Kontrollér, hvad beskæringen skal bevare, før du flytter rammen

En centreret beskæring kan skære noget af et motiv fra, som kunne være med et andet sted i rammen. Vores benchmark med billedannoteringer skelner den mulighed fra tilfælde, hvor der ikke er plads til alle de krævede bokse, så den næste beslutning følger briefen.

En beskrivende geometrisk benchmark med annoteringer fra valideringssættet i COCO2017: 1.458 kombinationer af billede og kategori fordelt på 5 faste kategorier og 3 formatforhold samt en særskilt følsomhedsanalyse af 2.941 enkeltobjekter. Tilfældene er ikke unikke fotos. Annoteringsdata hentet 24. oktober 2026 (UTC). Ingen fotos blev hentet.

Resumé

En flyttet beskæring kan bevare motiver, som en centreret version skærer fra, hvis der er plads til den krævede gruppe. Begynd med at definere, hvad der skal blive. Vi testede den størst mulige beskæring inden for billedet ved 1:1, 4:5 og 9:16 på de samme kombinationer af billede og kategori i COCO-valideringssættet med krav om, at hver annoteringsboks uden crowd-markering i den valgte kategori skulle bevares. For flasker ved 9:16 bevarede en centreret beskæring alle bokse i 130 af 379 tilfælde. I yderligere 199 kunne de bevares ved at flytte beskæringen. I 50 var der ikke plads ved flytning alene.[1][3][4]

Det er en strengere brief end at bevare 1 genstand. I den særskilte analyse var der kun 3 af 1.013 individuelle flaskebokse, som ikke kunne være med ved 9:16. Begge komplette tabeller vises nedenfor. Resultaterne vedrører annoteringsbokse i et forskningsdatasæt. De måler ikke tab af genstandspixels, fejlslagne kommercielle beskæringer eller forventede kampagneresultater. Bidraget er en parret sammenligning, der kan efterprøves, og som hjælper med at skelne mellem at prøve en anden beskæringsplacering og at vælge et andet billede, layout eller en udtrykkeligt revideret brief.

Et godkendt foto kan have nok pixels til eksport i højformat, men for lidt plads til alt det, briefen kræver. Indholdsskaberen centrerer rammen, ser et produkt forsvinde ved kanten og sender et spørgsmål om en rettelse. Den kundeansvarlige skal nu afgøre, om fotoet kræver en anden beskæring eller en anden komposition.

Det er forskellige beslutninger. At en centreret beskæring skærer noget fra, fastslår ikke, at motiverne ikke kan være med et andet sted. Omvendt kan flytning af rammen ikke løse enhver opstilling. Hvis de krævede motiver fylder mere i bredden eller højden, end den valgte beskæring tillader, skal teamet genoverveje billedet, layoutet eller kravet.

Vi undersøgte forskellen ved hjælp af eksisterende forskningsannoteringer uden at hente fotografierne. Resultatet er en benchmark for geometriske muligheder efterfulgt af et fiktivt produktionseksempel og en brief, du kan kopiere. Den understøtter en mere præcis overdragelse end ”lav den i højformat”, mens den kreative godkendelse fortsat ligger hos dem, der er ansvarlige for det faktiske billede.

En anden placering kræver stadig kontrol af, om der er plads

Principillustration af 4 blågrønne beholderformer med alternative rammer i højformat. Ingen af rammerne rummer alle formerne.
2 mulige placeringer af en ramme i højformat over en opdigtet gruppe. Ingen af dem bevarer alle formerne. Det er værd at undersøge, om beskæringen kan flyttes, men man kan ikke antage, at det bevarer en krævet gruppe. Dette er en original principillustration, ikke et foto fra COCO eller et målt tilfælde.

Begynd med de motiver, briefen kræver bevaret

Benchmarken behandler håndtasker, flasker, kopper, bærbare computere og mobiltelefoner som kategorier med annoterede rektangulære bokse. Det primære tilfælde samler alle bokse uden crowd-markering i 1 kategori på 1 billede. Hvis et billede indeholder flere flasker, kræver testen, at alle de flaskebokse bliver inden for beskæringen. Genstande fra andre kategorier indgår ikke i det tilfælde.[3]

Kravet er bevidst udtrykkeligt. En kommerciel brief kan udpege 1 bestemt flaske som hovedmotiv og tillade, at flasker i baggrunden forsvinder. Vores primære test træffer ikke det valg for det kreative team. Den undersøger, hvad der sker, når alle genstande i samme kategori skal bevares, og viser derefter en særskilt kontrol af enkeltbokse, så det strengere krav forbliver synligt.

For hvert formatforhold brugte vi den størst mulige akseparallelle beskæring, der kunne være inden for den oprindelige ramme. Vi placerede den først i midten. Hvis den placering ikke rummede hele den krævede gruppe, kontrollerede vi, om den samme beskæring kunne rumme gruppen ved at blive flyttet til en anden placering inden for originalen. Ingen af trinnene tilføjede indhold, roterede billedet eller ændrede dets skala.[4]

De 3 udfald besvarer derfor forskellige spørgsmål. ”Centreret beskæring bevarer alle bokse” betyder, at den første placering bestod. ”Flytning kan bevare alle bokse” betyder, at placeringen i midten ikke bestod, men at en anden placering var geometrisk mulig. ”Ingen placering bevarer alle bokse” betyder, at flytning af beskæringen alene ikke kunne opfylde det faste krav. En boks, der rørte beskæringens kant, talte som indeholdt.

En boks er en annotering, ikke en måling af hver synlig produktpixel. Den kan indeholde baggrund, beskrive en delvist skjult genstand eller ikke sige noget om, hvorvidt en etiket er læselig. At bestå testen fastslår kun, at boksen er indeholdt. En virkelig gennemgang skal stadig kontrollere det tilsigtede produkt, den omgivende kontekst og de oplysninger, materialet skal formidle.

Mange centrerede beskæringer havde en anden mulig placering

Den første tabel viser alle 5 kategorier og alle 3 formatforhold i analysens faste rækkefølge. For hver kategori bruges de samme omfattede kombinationer af billede og kategori ved hvert formatforhold. Læs nævneren ved siden af antallene for de 3 udfald. Rækkerne er ikke sorteret for at antyde, hvilken produktkategori der er lettere at fotografere eller mere egnet til annoncering.

Ved 9:16 viser flaskegruppen den centrale forskel. I 130 af 379 tilfælde bevarede den centrerede beskæring alle flaskebokse. Yderligere 199 bestod ikke i midten, men kunne bevare hver flaskeboks efter flytning af beskæringen. De resterende 50 kunne ikke opfylde kravet om alle flasker ved flytning alene. Hvis de sidste 2 antal blev lagt sammen, ville det skjule den beslutning, benchmarken var lavet til at skelne mellem.

Forskellen ses også uden for det eksempel. Ved 4:5 bestod 151 af 292 håndtasketilfælde i midten, yderligere 108 kunne bestå efter flytning, og 33 kunne ikke være med. For kopper ved 1:1 var de tilsvarende antal 239, 128 og 23 ud af 390. Alle øvrige kombinationer er bevaret i tabellen i stedet for at blive reduceret til et udvalgt hovedresultat.

”Flytning kan bevare” er en mulighed, ikke en oplysning om, at en bestemt editor eller automatisk beskæringstjeneste fandt placeringen. Beregningen undersøgte det tilladte placeringsinterval matematisk. Den testede ikke softwarens standardindstillinger, rangerede ikke alternative kompositioner og undersøgte ikke, hvordan en flyttet beskæring ville se ud for en beskuer.

For en producent giver den midterste kolonne en nyttig grund til at have originalen til rådighed under gennemgangen. En afvist centreret forhåndsvisning behøver ikke afslutte søgningen. Den sidste kolonne kræver en anden samtale: Hvis der ikke er plads til de præcise krævede bokse, kan flere forsøg på at flytte den samme ramme ikke opfylde netop den brief.

Bevar hver boks i kategorien: alle gruppeudfald

Et tilfælde er 1 billede og 1 kategori med alle kategoriens bokse uden crowd-markering. De samme omfattede tilfælde sammenlignes ved hvert formatforhold. Flytning tælles kun, når den centrerede beskæring ikke består, men en anden placering inden for billedet kunne bevare alle krævede bokse.

15 faste kombinationer af kategori og formatforhold: omfattede kombinationer af billede og kategori samt antal, hvor alle bokse bevares i midten, kan bevares efter flytning eller ikke kan bevares ved nogen flytning
Kategori og målformatTilfælde, der opfylder kriterierneCentreret beskæring bevarer alle bokseFlytning kan bevare alle bokseIngen placering bevarer alle bokse
Håndtasker · 1:129217010418
Håndtasker · 4:529215110833
Håndtasker · 9:162928915152
Flasker · 1:137921914416
Flasker · 4:537918915832
Flasker · 9:1637913019950
Kopper · 1:139023912823
Kopper · 4:539019016337
Kopper · 9:1639012020367
Bærbare computere · 1:1183688926
Bærbare computere · 4:5183539238
Bærbare computere · 9:16183298470
Mobiltelefoner · 1:1214161449
Mobiltelefoner · 4:52141317013
Mobiltelefoner · 9:16214939823
Kilde: Valideringsannoteringer fra COCO2017. Beregninger foretaget af Influence IQ.[1][3][4] Alle 5 faste kategorier × 3 formatforhold med heltalsantal og uændrede nævnere inden for hver kategori. Et tilfælde er ikke et unikt foto. ”Ingen placering” vedrører det faste formatforhold og kravet om alle bokse. Det er ikke et estimat for fejlslagne kommercielle beskæringer.

At bevare 1 genstand ændrer spørgsmålet

Forskellen mellem en gruppe og 1 genstand er væsentlig nok til at stå ved siden af hovedresultatet. Ved 9:16 kunne 50 af 379 kombinationer af billede og flaskekategori ikke være med ved flytning alene. I den særskilte kontrol af enkeltobjekter var det kun 3 af 1.013 individuelle flaskebokse. Nævnerne og kravene er forskellige. Antallene kan ikke bruges som indbyrdes udskiftelige fejlrater.

Den anden tabel anvender den samme geometri på hver gyldig boks uden crowd-markering enkeltvis. Et billede med flere flasker bidrager her med flere flaskeinstanser, hvor det ovenfor bidrog med 1 flaskegruppe. Hver enkelt boks vurderes for sig. Det viser ikke, at alle de særskilte placeringer kunne opnås sammen i 1 beskæring.

For håndtasker kunne hver enkelt boks være med et sted ved alle 3 formatforhold, selv om nogle grupper med alle håndtasker ikke kunne. Forskellen stemmer med en enkel geometrisk begrænsning: Flere motiver, der hver især kan håndteres, kan være for langt fra hinanden til at være med sammen. Det fastslår ikke, hvorfor nogen opstillede den oprindelige scene sådan, eller hvad en kampagne bør vise.

Bærbare computere viser også, hvorfor kontrollen af enkeltobjekter ikke er en garanti. Ved 9:16 kunne 60 af 231 individuelle bokse med bærbare computere ikke være med ved flytning alene. Andre rækker er forskellige, og den komplette følsomhedstabel bevarer dem. Vi har ikke kontrolleret for kameravinkel, genstandens form, originalens orientering eller scenens komposition, så sammenligninger mellem kategorier kan ikke isolere en årsag.

Et team kan bruge forskellen til at præcisere en anmodning om en rettelse. Betyder ”bevar produktet” 1 navngivet hovedmotiv, alle genstande i et sæt eller alle genstande af den type overalt i scenen? Et andet svar ændrer det kreative krav. Det bør være en aftalt beslutning frem for en usynlig lempelse, der indføres for at få en beskæring til at bestå.

Bevar 1 boks ad gangen: den komplette følsomhedsanalyse

Hver gyldig instans uden crowd-markering testes uafhængigt. Flere genstande fra 1 billede kan bidrage med flere bokse, som hver vurderes for sig. Deres særskilte mulige placeringer behøver ikke fungere sammen i 1 beskæring.

15 faste kombinationer af kategori og formatforhold: omfattede enkeltbokse samt antal, hvor boksen bevares i midten, kan bevares efter flytning eller ikke kan bevares ved nogen flytning
Kategori og målformatBokse, der opfylder kriterierneCentreret beskæring bevarer boksenFlytning kan bevare boksenIngen placering bevarer boksen
Håndtasker · 1:15403531870
Håndtasker · 4:55403162240
Håndtasker · 9:165402033370
Flasker · 1:11.0137542590
Flasker · 4:51.0136813320
Flasker · 9:161.0135134973
Kopper · 1:18956592360
Kopper · 4:58955593360
Kopper · 9:1689541946610
Bærbare computere · 1:123110710717
Bærbare computere · 4:52317912626
Bærbare computere · 9:162314312860
Mobiltelefoner · 1:1262204508
Mobiltelefoner · 4:5262172837
Mobiltelefoner · 9:1626212412612
Kilde: Samme annoteringsfil fra COCO-valideringssættet og samme beskæringsgeometri.[3][4] Alle 5 kategorier × 3 formatforhold. Disse instansnævnere er forskellige fra gruppetabellens. For flasker ved 9:16 kunne 3 af 1.013 individuelle bokse ikke være med mod 50 af 379 grupper med alle flasker. 0 betyder et observeret antal på 0 i denne afgrænsede kontrol, ikke en garanti for et nyt billede.

Vurdér hver ramme som en særskilt komposition

Formatforholdene 1:1, 4:5 og 9:16 er faste testformer, ikke en angivelse af aktuelle Instagram-specifikationer eller en anbefalet formatpolitik. Når et foto skal beskæres til Instagram, skal du afklare, hvor det skal bruges, og hvilke krav der gælder, med den person, der forbereder eksporten. Undersøgelsen besvarer et mere afgrænset spørgsmål om, hvorvidt motiver kan være inden for en bestemt ramme.

Alle originalernes orienteringer kunne indgå. En original i bredformat og en høj original i højformat påvirkes forskelligt af samme målformat: Den ene beskæring kan fjerne bredde, mens den anden fjerner højde. De testede beskæringer ligger derfor ikke altid inden i hinanden. Der er ingen generel regel her om, at et skift fra kvadratisk til et højere formatforhold nødvendigvis forværrer hvert enkelt tilfælde.

Originalernes sammensætning er også forskellig fra kategori til kategori. Håndtaskegrupperne omfattede 210 tilfælde i bredformat, 10 kvadratiske og 72 i højformat. For bærbare computere var antallene 157, 2 og 24. Det er dækningsantal, ikke justerede sammenligninger. Vi beholdt sammensætningen i stedet for at filtrere efter billeder i bredformat, da vi havde set udfaldene, men det valg gør ikke kategorierne til sammenlignelige kommercielle populationer.

I den faktiske opgave skal hver krævet komposition gennemgås særskilt. En godkendelse af den kvadratiske version godkender ikke automatisk versionen i højformat. At ét formatforhold ikke fungerer, fastslår heller ikke, at et andet godkendt layout ikke vil fungere. En nyttig registrering angiver originalen, de krævede motiver og den præcise ramme, der blev gennemgået, så den næste person kan forstå, hvad godkendelsen dækker.

En fiktiv opgave med 2 flasker gør valget konkret

Forestil dig et lille drikkevarebrand, der beder en indholdsskaber om at tilpasse et godkendt billede i bredformat til en komposition i højformat på 4:5. Den opdigtede original er 1.600 pixels bred og 900 pixels høj. Dens størst mulige 4:5-beskæring er 720×900 pixels. Brandet, billedet, koordinaterne og opgaven i eksemplet er fiktive. De er ikke en observation fra COCO eller et målt produktionsresultat.

Antag, at den krævede flaskeboks går fra den vandrette koordinat 100 til 400 og fra den lodrette koordinat 100 til 800. En centreret beskæring spænder vandret fra 440 til 1.160 og rammer derfor ikke boksen. Flyttes beskæringens start til 100, spænder den vandret fra 100 til 820 og rummer hele den opdigtede boks. Her er det oprindelige problem placeringen.

Tilføj nu en anden krævet flaskeboks fra den vandrette koordinat 1.000 til 1.300 med samme lodrette udstrækning. Tilsammen spænder de 2 bokse over 1.200 pixels vandret. De kan ikke begge være i en 720 pixels bred beskæring ved at flytte den. De kunne være der hver for sig. Kravet om at bevare begge skaber konflikten.

Den kundeansvarlige har flere valg at drøfte med indholdsskaberen. De kan vælge et andet godkendt billede, hvor de 2 flasker står tættere sammen, bruge et layout, der rummer originalen med ekstra margen, eller spørge, om briefen i stedet skal vise 1 navngivet flaske som hovedmotiv. Det er foreslåede produktionsmuligheder, ikke fordele, som vores annoteringsanalyse har testet.

Hvis brandet har brug for begge flasker, ændrer det opgaven at fjerne den ene uden godkendelse. Hvis der kun er brug for flasken i fokus, kan et krav om alle baggrundsflasker være en unødvendig begrænsning. Benchmarken kan ikke afgøre, hvilket budskab der er det rigtige. Dens værdi i eksemplet er at vise, hvilket krav beskæringen kan og ikke kan opfylde.

Når teamet har aftalt en version, skal den ansvarlige for gennemgangen stadig se den i den tilsigtede visningsstørrelse. At begge bokse er med, siger ikke noget om læselig emballage, et skjult tilbud eller en uhensigtsmæssig balance i billedets rum. Geometri kan afgøre, om der er plads, mens andre kreative og faktuelle kontroller stadig står åbne.

Lad kravet til beskæringen følge med overdragelsen

En kort brief kan formidle den manglende beslutning mellem virksomheden, fotografen, designeren og indholdsskaberen. Opbevar den sammen med den godkendte original frem for at nøjes med en besked, der siger ”der skal bruges en version i højformat”. Oplysningerne skal angive, hvad der skal blive, hvad der må ændres, og hvem der kan godkende ændringen.

Kopiér denne tomme skabelon: ”Godkendt original og version: __. Tilsigtet visningssted og rammens formatforhold: __. Krævede navngivne motiver eller gruppe: __. Detaljer, der skal forblive læselige: __. Må beskæringen flyttes: __. Må der tilføjes margen eller vælges en anden godkendt original: __. Person, der godkender et ændret krav: __. Gennemgået version og dato: __.” Teamet udfylder felterne ud fra den faktiske opgave, ikke dette datasæt.

Feltet med krævede motiver skal være så præcist, at en anden person kan anvende det. ”Begge flasker i lanceringssættet” adskiller sig fra ”flasken forrest”. En etiket, et ansigt eller et tilbud kan kræve sin egen kontrol, selv om boksen omkring genstanden kan være der. Kildens annoteringer definerede ikke de kommercielle prioriteter.

Når placeringen i midten skærer noget krævet fra, skal du først undersøge, om en anden placering kan bevare de aftalte motiver. Hvis gruppen ikke kan være der, skal valget af billede eller komposition tilbage til den, der skal godkende. At bevare forskellen i overdragelsen giver en begrundelse for rettelsen uden at påstå, at datasættet forudsiger, hvor mange rettelser et team vil undgå.

De illustrerede trin nedenfor beskriver det foreslåede forløb for gennemgang. Den ekstra margen i den sidste scene er 1 mulig layoutløsning, når en beskæring til kanten ikke kan bevare begge former. Det dokumenterer ikke, at margen er tilladt på alle visningssteder, eller at det resulterende layout vil fungere bedre.

Lad de krævede motiver følge med gennemgangen af beskæringen

Et principforløb markerer en kugle og en bueform, viser en smal beskæring, der skærer i begge, og bevarer dem derefter begge med neutral margen på en billedflade i højformat.
  1. Angiv, hvad der skal blive

    Aftal de krævede motiver og detaljer med den præcise version af originalen.

  2. Kontrollér den tilsigtede ramme

    Gennemgå den centrerede beskæring ved det krævede formatforhold adskilt fra eksportstørrelsen.

  3. Prøv en anden placering, og afklar derefter pladsen

    Hvis flytning ikke kan bevare den krævede gruppe, skal I aftale et andet billede, layout eller en anden brief.

  4. Gennemgå den aftalte version

    Kontrollér den faktiske komposition, læselige detaljer og godkendelsens omfang.

En foreslået overdragelse: Navngiv de krævede motiver, kontrollér en beskæring, og drøft et andet layout, når der ikke er plads til dem. Den sidste scene bruger margen. Beskæringen i midten bevarer ikke begge former. De opdigtede scener gengiver ikke benchmarkens antal og fastslår ikke kommercielle resultater.

Sådan blev sammenligningen af annoteringer lavet

COCO er et forskningsdatasæt med genstande i kontekst, herunder uoverskuelige scener og flere genstande. Det blev ikke samlet som et repræsentativt sæt kommercielle produktfotos. Vi brugte sættets instansannoteringer til validering fra 2017, som identificerer 5.000 billeder. Sættets navn henviser til udgivelsen, ikke til det år, hvor hvert foto blev taget.[1][2]

Annoteringsfilen blev hentet 24. oktober 2026 (UTC). Vi kontrollerede dens komplette kontrolsum og bevarede den præcise kildeidentitet. Vi hentede, så eller klassificerede ikke fotografierne. Analysen brugte registrerede billedmål, kategori-ID’er, crowd-markeringer og bokskoordinater. Der blev ikke tilføjet æstetiske vurderinger eller målinger af genstandspixels.

De 5 kategorier, 3 formatforhold, gruppekravet, følsomhedsanalysen af enkeltobjekter og udelukkelsesreglerne blev fastlagt, før beskæringsudfaldene blev beregnet. Den primære analyse omfattede 1.458 kombinationer af billede og kategori, som opfyldte kriterierne. Den særskilte instansanalyse omfattede 2.941 gyldige bokse. Det samme billede kan optræde i mere end 1 kategori, så gruppetotalen er hverken et antal unikke fotos eller et sæt uafhængige udtræk fra en population.

Vi udelukkede 16 crowd-annoteringer: 12 flasker og 4 kopper. Ingen valgt instans uden crowd-markering eller primær gruppe overtrådte de angivne gyldighedsregler. Kilden indeholder også kategorier uden for de 5 faste. De blev ikke tilføjet efter udfaldene. Alle omfattede tilfælde inden for en kategori blev i sammenligningen ved hvert formatforhold med samme nævner.[3][4]

Koordinaterne blev vurderet som eksakte brøker udledt af decimaltallene i kilden. Beskæringens afgrænsning medtog lighed ved kanten. Tabellerne viser heltalsantal, mens de downloadbare oversigter bevarer eksakte brøker ud fra antallene. Beregningen beskriver dette afgrænsede sæt annoteringer. Vi rapporterer ingen konfidensintervaller, populationsestimater, prognoser for kommercielle fejl eller kausale kategorieffekter.

Ingen tilmelding kræves. Begge komplette tabeller og hver omfattet registrering af gruppe og formatforhold er inkluderet. Den fælles pakke indeholder metodedokumentation på engelsk, annoteringskildens præcise identitet og reproduktionskode. Rettigheder til COCO-annoteringer giver ikke rettigheder til de underliggende fotografier. Ingen fotos videredistribueres.[8]

Brug benchmarken til at stille et mere præcist spørgsmål om rettelsen

At bevare et område, mens formatforholdet ændres, er en kendt beskæringsopgave. Tidligere arbejde har undersøgt, om et område kan være med ved et valgt formatforhold, sammenlignet centrerede beskæringer med fast formatforhold med redaktørers valg og målt bevaret forgrund ved andre beskæringsmetoder. Vores bidrag er denne faste, parrede opgørelse og dens skelnen mellem grupper og enkeltobjekter, ikke en ny beskæringsalgoritme.[5][6][7]

For dit eget godkendte billede er en omhyggelig manuel gennemgang af beskæringen stadig det mest direkte svar. Tabellen for datasættet kan ikke fortælle dig, hvilken genstand der sælger produktet, hvilken baggrundsdetalje der betyder noget, eller om en valgt komposition føles rigtig. Den kan forklare, hvorfor ”midten skærer det fra” og ”ingen placering kan bevare den krævede gruppe” kræver forskellige svar.

Hold også spørgsmålet adskilt fra billedets pixelmål. En original kan være stor nok til eksport, mens de krævede motiver stadig står for langt fra hinanden. Omvendt fastslår geometrisk plads ikke, at forstørrelse af en lille original giver et acceptabelt billede. Vores relaterede undersøgelse af galleribilleders størrelse behandler spørgsmålet om billedmål. Denne benchmark tilføjer spørgsmålet om plads til de annoterede motiver.

Når en beskæring kommer tilbage til rettelse, skal du vedlægge den tilsigtede ramme og navngive det, der skal blive. Beslut derefter, om I skal prøve en anden placering, vælge en anden godkendt original eller ændre layoutet eller briefen med tilladelse. Benchmarken giver en konkret skelnen til den samtale. Selve materialet, rettighederne til det og den endelige præsentation kræver stadig hver sin gennemgang.

Forskningsnoter

  1. COCO Consortium, officiel dokumentation for datadownload og udgivelsen af trænings- og valideringsannoteringer fra 2017. Valideringssættet identificerer 5.000 billeder. ”2017” betegner sættets udgivelse, ikke fotografiernes optagelsesår. Influence IQ hentede den komplette annoteringsfil instances_val2017.json den 24. oktober 2026 (UTC) uden billedpixels. Den offentlige pakke registrerer kildens URL, filens navn og præcise SHA256.
  2. Lin et al., Microsoft COCO: Common Objects in Context. Datasættet blev udformet omkring genstande i kontekst og ikke-ikoniske scener, herunder flere genstande. Forskningssamlingen fastslår ikke repræsentativitet for produktkataloger, indholdsskaberes materialer, Instagram-opslag eller aktuelle kommercielle kampagner.
  3. COCO Consortium, format for instansannoteringer. Bokse bruger billedkoordinaterne x, y, bredde og højde. iscrowd skelner crowd-annoteringer fra andre annoteringer. Vores faste primære enhed indeholder alle bokse uden crowd-markering i 1 valgt kategori på 1 billede. Crowd-annoteringer udelukkes og tælles særskilt. At hele boksen er indeholdt, måler ikke bevarede genstandspixels, genkendelse, læsbarhed eller visuel kvalitet.
  4. Beregninger fra Influence IQ, fastlagt før beskæringsudfaldene: håndtasker, flasker, kopper, bærbare computere og mobiltelefoner; formatforholdene 1:1, 4:5 og 9:16; størst mulige akseparallelle beskæring inden for billedet; først midten, derefter muligheden for flytning. Alle valgte bokse uden crowd-markering udgør den primære gruppe. Hver gyldig instans kontrolleres også særskilt. Eksakte brøker bevarer kildens decimalkoordinater med inklusive grænser. Pakken bevarer alle 4.374 rækker med kombinationer af gruppe og formatforhold, alle 30 oversigter, dækning, udelukkelser og reproduktionskode. Ingen kildefotos blev hentet.
  5. Zhang, Leszczuk, Miglino og Ye, Automatic Adaptive Image Cropping to Preserve Regions of Interest, Technical Disclosure Commons (2022). Denne tidligere offentliggørelse overvejer allerede at sammenligne et interesseområde med mulige beskæringsmål for at bevare det ved et bestemt formatforhold. Muligheden for flytning præsenteres ikke her som en ny algoritme.
  6. Christensen og Vartakavi, An Experience-based Direct Generation approach to Automatic Image Cropping. Artiklen sammenligner beskæringer med fast formatforhold med beskæringer lavet af redaktører og medtager den størst mulige centrerede beskæring som reference. Dens mål for overensstemmelse med redaktører er forskellige fra denne benchmarks krav om, at hele annoteringsboksen er indeholdt. Sammenligningen er tidligere kontekst, ikke validering af en kommerciel beskæringstjeneste.
  7. Liu et al., PixMIM: Rethinking Pixel Reconstruction in Masked Image Modeling (2023). Artiklen undersøger forgrundsdækning ved billedforbehandling, herunder centrerede beskæringer, med et andet datasæt, masker og udfaldsmål. Det er tidligere dokumentation for, at beskæringsmetoder kan fjerne forgrund. Vores optællinger af, om hele bokse er med, må ikke læses som det samme mål for pixeldækning.
  8. Kilde: COCO Consortium, valideringsannoteringer fra COCO2017, licenseret under CC BY 4.0. Udvælgelse, geometriske beregninger, tabeller, fortolkning og oversættelser er bearbejdelser foretaget af Influence IQ. Der antydes ingen godkendelse. COCO skelner mellem licensen til annoteringer og de særskilte ophavsrettigheder til de underliggende Flickr-billeder. Ingen kildefotos blev hentet eller videredistribueret. De originale principillustrationer er ikke COCO-billedmateriale.

Den engelske artikel er kilden til alle sprogversioner. Hver version beskriver det samme faste sæt COCO-annoteringer, kategorier, formatforhold og beregninger. Artiklens sprog skaber ikke dokumentation om et nyt marked. Influence IQ er ansvarlig for udvælgelse, analyse, fortolkning og oversættelser.

Gennemgå næste del af billedoverdragelsen