Sprawdź, co musi pozostać w kadrze, zanim go przesuniesz
Wyśrodkowany kadr może uciąć obiekt, który zmieściłby się w innym położeniu. Nasze porównanie obrazów z adnotacjami oddziela taką możliwość od przypadków, w których nie da się zmieścić wszystkich wymaganych prostokątów. Dzięki temu kolejna decyzja wynika z briefu.
Opisowe porównanie geometryczne na podstawie adnotacji zbioru walidacyjnego COCO2017: 1 458 przypadków obraz–kategoria w 5 ustalonych kategoriach i przy 3 proporcjach, z osobną analizą wrażliwości dla 2 941 pojedynczych obiektów. Przypadki nie oznaczają unikalnych zdjęć. Dane adnotacji pozyskano 24 października 2026 r. (UTC); nie pozyskano zdjęć.
Streszczenie
Przesunięcie kadru może zachować obiekty, które ucina wersja wyśrodkowana, o ile wymagana grupa może się w nim zmieścić. Zacznij od określenia, co musi pozostać. Przetestowaliśmy największy kadr mieszczący się w obrazie przy proporcjach 1:1, 4:5 i 9:16 na tych samych przypadkach obraz–kategoria ze zbioru walidacyjnego COCO, wymagając zachowania każdego prostokąta adnotacji nieoznaczonego jako tłum w każdej wybranej kategorii. W przypadku butelek przy proporcjach 9:16 wyśrodkowany kadr zachował wszystkie prostokąty w 130 z 379 przypadków; w kolejnych 199 można było je zachować po przesunięciu kadru; w 50 samo przesunięcie nie pozwalało ich zmieścić.[1][3][4]
To bardziej rygorystyczny brief niż zachowanie 1 obiektu. W osobnym sprawdzeniu tylko 3 z 1 013 pojedynczych prostokątów butelek nie mogły się zmieścić przy proporcjach 9:16. Obie kompletne tabele znajdują się poniżej. Są to wyniki dotyczące prostokątów adnotacji ze zbioru badawczego, a nie pomiary utraty pikseli obiektów, nieudanych kadrów komercyjnych czy prognozy kampanii. Wkład badania stanowi porównanie tych samych przypadków, które można samodzielnie prześledzić i które pomaga odróżnić próbę innego położenia kadru od wyboru innego materiału, układu lub jawnie zmienionego briefu.
Zatwierdzone zdjęcie może mieć dość pikseli do eksportu w pionie, a mimo to za mało miejsca na wszystko, czego wymaga brief. Twórca ustawia kadr na środku, widzi produkt znikający przy krawędzi i pyta o poprawkę. Osoba prowadząca obsługę klienta musi teraz zdecydować, czy zdjęcie wymaga innego kadru, czy innej kompozycji.
To różne decyzje. To, że wyśrodkowany kadr ucina obiekty, nie dowodzi, że nie zmieszczą się w innym położeniu. Z kolei przesunięcie kadru nie rozwiąże problemu każdego układu. Jeśli wymagane obiekty zajmują większą szerokość lub wysokość, niż dopuszcza wybrany kadr, zespół musi ponownie rozważyć materiał, układ lub wymaganie.
Zbadaliśmy tę różnicę, korzystając z istniejących adnotacji badawczych, bez pozyskiwania zdjęć. Wynikiem jest porównanie możliwości geometrycznych, po którym przedstawiamy fikcyjny przykład produkcyjny i brief do skopiowania. Pozwala to precyzyjniej przekazać zadanie niż polecenie „zrób wersję pionową”, pozostawiając zatwierdzenie kreacji osobom odpowiedzialnym za rzeczywisty obraz.
Inne położenie nadal wymaga sprawdzenia dopasowania

Zacznij od obiektów, które zgodnie z briefem muszą pozostać
W porównaniu torebka, butelka, kubek, laptop i telefon komórkowy to kategorie obiektów oznaczonych prostokątnymi adnotacjami. Główny przypadek obejmuje wszystkie prostokąty 1 kategorii na 1 obrazie, nieoznaczone jako tłum. Jeśli obraz zawiera kilka butelek, test wymaga, aby wszystkie prostokąty tych butelek pozostały w kadrze. Obiekty innych kategorii nie wchodzą do tego przypadku.[3]
To wymaganie celowo sformułowano jednoznacznie. Brief komercyjny może wskazywać 1 główną butelkę i dopuszczać zniknięcie butelek w tle. Nasz główny test nie podejmuje tej decyzji za zespół kreatywny. Sprawdza, co dzieje się przy wymogu zachowania wszystkich obiektów tej samej kategorii, a następnie przedstawia osobne sprawdzenie pojedynczych prostokątów, aby bardziej rygorystyczne wymaganie pozostało widoczne.
Dla każdej proporcji użyliśmy największego kadru o bokach równoległych do osi obrazu, mieszczącego się w oryginalnej ramie. Najpierw umieściliśmy go na środku. Jeśli nie obejmował całej wymaganej grupy, sprawdzaliśmy, czy przesunięcie tego samego kadru pozwoliłoby objąć ją w dowolnym położeniu wewnątrz obrazu źródłowego. Żaden z tych kroków nie dodawał treści, nie obracał obrazu ani nie zmieniał jego skali.[4]
3 wyniki odpowiadają zatem na różne pytania. „Kadr wyśrodkowany zachowuje wszystkie prostokąty” oznacza, że pierwsze położenie spełniło wymaganie. „Przesunięcie mogłoby zachować wszystkie prostokąty” oznacza, że kadr wyśrodkowany go nie spełnił, ale inne położenie było geometrycznie możliwe. „Żadne położenie nie zachowuje wszystkich prostokątów” oznacza, że samo przesunięcie tego kadru nie mogło spełnić ustalonego wymagania. Prostokąt stykający się z granicą kadru uznawano za mieszczący się w nim.
Prostokąt jest adnotacją, a nie pomiarem każdego widocznego piksela produktu. Może obejmować tło, opisywać częściowo zasłonięty obiekt lub nic nie mówić o czytelności etykiety. Pozytywny wynik testu potwierdza jedynie, że prostokąt mieści się w kadrze. Rzeczywista ocena nadal wymaga sprawdzenia zamierzonego produktu, otaczającego go kontekstu i wszelkich informacji, które kreacja ma przekazać.
Wiele wyśrodkowanych kadrów ucinających obiekty można było umieścić inaczej
Pierwsza tabela zachowuje wszystkie 5 kategorii i wszystkie 3 proporcje w ustalonej kolejności analizy. Dla każdej kategorii przy każdej proporcji wykorzystano te same kwalifikujące się przypadki obraz–kategoria. Odczytuj mianownik obok 3 liczebności wyników; wierszy nie posortowano tak, by sugerować, którą kategorię produktów łatwiej sfotografować lub która lepiej nadaje się do reklamy.
Przy proporcjach 9:16 grupa butelek ilustruje najważniejsze rozróżnienie. Spośród 379 przypadków w 130 wyśrodkowany kadr zachował wszystkie prostokąty butelek. W kolejnych 199 nie udało się tego osiągnąć na środku, ale po przesunięciu kadru można było zachować każdy prostokąt butelki. W pozostałych 50 samo przesunięcie nie mogło spełnić wymogu zachowania wszystkich butelek. Połączenie 2 ostatnich liczebności ukryłoby decyzję, której rozróżnieniu miało służyć porównanie.
To rozróżnienie widać także poza tym przykładem. Przy proporcjach 4:5 w 151 z 292 przypadków torebek wymaganie spełniono na środku, w kolejnych 108 można było je spełnić po przesunięciu, a w 33 przypadkach obiekty nie mogły się zmieścić. Dla kubków przy proporcjach 1:1 odpowiednie liczebności wynosiły 239, 128 i 23 z 390. Tabela zachowuje wszystkie pozostałe kombinacje, zamiast sprowadzać je do wybranego hasła.
„Przesunięcie mogłoby zachować” opisuje możliwość, a nie informację, że konkretny edytor lub usługa automatycznego kadrowania znalazły takie położenie. Obliczenia matematycznie sprawdzały dozwolony zakres położeń. Nie testowano domyślnych ustawień programów, nie oceniano alternatywnych kompozycji ani nie sprawdzano, jak przesunięty kadr wyglądałby dla odbiorcy.
Dla osoby odpowiedzialnej za produkcję środkowa kolumna stanowi dobry powód, by oryginał był dostępny podczas oceny. Odrzucony wyśrodkowany podgląd nie musi kończyć poszukiwań. Ostatnia kolumna wymaga innej rozmowy: jeśli dokładnie wskazane prostokąty nie mogą się zmieścić, kolejne próby przesuwania tej samej ramy nie spełnią tego konkretnego briefu.
Zachowanie wszystkich prostokątów kategorii: wszystkie wyniki grupowe
1 przypadek obejmuje 1 obraz i 1 kategorię oraz wszystkie prostokąty tej kategorii nieoznaczone jako tłum. Te same kwalifikujące się przypadki porównuje się przy każdej proporcji. Przesunięcie jest zliczane tylko wtedy, gdy wyśrodkowany kadr nie spełnia wymagania, ale inne położenie w obrębie obrazu mogłoby zachować wszystkie wymagane prostokąty.
| Kategoria i proporcje docelowe | Kwalifikujące się przypadki | Kadr wyśrodkowany zachowuje wszystkie prostokąty | Przesunięcie mogłoby zachować wszystkie prostokąty | Żadne położenie nie zachowuje wszystkich prostokątów |
|---|---|---|---|---|
| Torebki · 1:1 | 292 | 170 | 104 | 18 |
| Torebki · 4:5 | 292 | 151 | 108 | 33 |
| Torebki · 9:16 | 292 | 89 | 151 | 52 |
| Butelki · 1:1 | 379 | 219 | 144 | 16 |
| Butelki · 4:5 | 379 | 189 | 158 | 32 |
| Butelki · 9:16 | 379 | 130 | 199 | 50 |
| Kubki · 1:1 | 390 | 239 | 128 | 23 |
| Kubki · 4:5 | 390 | 190 | 163 | 37 |
| Kubki · 9:16 | 390 | 120 | 203 | 67 |
| Laptopy · 1:1 | 183 | 68 | 89 | 26 |
| Laptopy · 4:5 | 183 | 53 | 92 | 38 |
| Laptopy · 9:16 | 183 | 29 | 84 | 70 |
| Telefony komórkowe · 1:1 | 214 | 161 | 44 | 9 |
| Telefony komórkowe · 4:5 | 214 | 131 | 70 | 13 |
| Telefony komórkowe · 9:16 | 214 | 93 | 98 | 23 |
Zachowanie 1 obiektu zmienia pytanie
Różnica między grupą a 1 obiektem jest na tyle duża, że warto pokazać ją obok głównego wyniku. Przy proporcjach 9:16 samo przesunięcie nie pozwalało zmieścić 50 z 379 przypadków obraz–kategoria dla butelek. W osobnym sprawdzeniu pojedynczych obiektów nie mogły się zmieścić tylko 3 z 1 013 pojedynczych prostokątów butelek. Mianowniki i wymagania są różne; te liczebności nie są zamiennymi wskaźnikami niepowodzeń.
Druga tabela stosuje tę samą geometrię osobno do każdego prawidłowego prostokąta nieoznaczonego jako tłum. Obraz z kilkoma butelkami wnosi tu kilka pojedynczych obiektów, podczas gdy powyżej wnosił 1 grupę butelek. Każdy prostokąt rozpatruje się oddzielnie. Nie oznacza to, że wszystkie te pojedyncze położenia można byłoby uzyskać jednocześnie w 1 kadrze.
W przypadku torebek każdy pojedynczy prostokąt mógł się gdzieś zmieścić przy każdej z 3 proporcji, choć niektóre grupy obejmujące wszystkie torebki nie mogły. Ten kontrast jest zgodny z prostym ograniczeniem geometrycznym: kilka obiektów, z których każdy osobno daje się zmieścić, może być zbyt daleko od siebie, by zmieścić je razem. Nie wyjaśnia to, dlaczego ktoś tak zaaranżował scenę źródłową ani co powinna przedstawiać kampania.
Laptopy pokazują również, dlaczego sprawdzenie pojedynczych obiektów nie daje gwarancji. Przy proporcjach 9:16 samo przesunięcie nie pozwalało zmieścić 60 z 231 pojedynczych prostokątów laptopów. Inne wiersze dają inne wyniki, które zachowuje kompletna tabela analizy wrażliwości. Nie kontrolowaliśmy kąta aparatu, kształtu obiektu, orientacji obrazu źródłowego ani kompozycji sceny, więc porównania kategorii nie pozwalają wyodrębnić przyczyny.
Zespół może wykorzystać to rozróżnienie, by doprecyzować prośbę o poprawkę. Czy „zachowaj produkt” oznacza 1 wskazany główny przedmiot, każdy element zestawu czy każdy przedmiot tego typu w całej scenie? Zmiana odpowiedzi zmienia wymaganie wobec kreacji. Powinna być uzgodnioną decyzją, a nie niewidocznym złagodzeniem wprowadzonym po to, by kadr przeszedł ocenę.
Zachowanie pojedynczych prostokątów: pełna analiza wrażliwości
Każdy prawidłowy pojedynczy obiekt nieoznaczony jako tłum jest testowany niezależnie. Kilka obiektów z 1 obrazu może wnieść kilka prostokątów, z których każdy rozpatruje się osobno; ich odrębne możliwe położenia nie muszą działać razem w 1 kadrze.
| Kategoria i proporcje docelowe | Kwalifikujące się prostokąty | Kadr wyśrodkowany zachowuje prostokąt | Przesunięcie mogłoby zachować prostokąt | Żadne położenie nie zachowuje prostokąta |
|---|---|---|---|---|
| Torebki · 1:1 | 540 | 353 | 187 | 0 |
| Torebki · 4:5 | 540 | 316 | 224 | 0 |
| Torebki · 9:16 | 540 | 203 | 337 | 0 |
| Butelki · 1:1 | 1013 | 754 | 259 | 0 |
| Butelki · 4:5 | 1013 | 681 | 332 | 0 |
| Butelki · 9:16 | 1013 | 513 | 497 | 3 |
| Kubki · 1:1 | 895 | 659 | 236 | 0 |
| Kubki · 4:5 | 895 | 559 | 336 | 0 |
| Kubki · 9:16 | 895 | 419 | 466 | 10 |
| Laptopy · 1:1 | 231 | 107 | 107 | 17 |
| Laptopy · 4:5 | 231 | 79 | 126 | 26 |
| Laptopy · 9:16 | 231 | 43 | 128 | 60 |
| Telefony komórkowe · 1:1 | 262 | 204 | 50 | 8 |
| Telefony komórkowe · 4:5 | 262 | 172 | 83 | 7 |
| Telefony komórkowe · 9:16 | 262 | 124 | 126 | 12 |
Traktuj każdy kadr jako osobną kompozycję
Proporcje 1:1, 4:5 i 9:16 to ustalone kształty testowe, a nie opis aktualnej specyfikacji Instagrama ani zalecana polityka formatów. Przy zadaniu kadrowania zdjęć na Instagram potwierdź planowane miejsce publikacji i jego wymagania z osobą przygotowującą eksport. To badanie odpowiada na węższe pytanie: czy obiekty zmieszczą się w określonej ramie.
Do analizy kwalifikowały się wszystkie orientacje obrazów źródłowych. Poziomy oryginał i wysoki pionowy oryginał inaczej współgrają z tymi samymi proporcjami docelowymi: jeden kadr może odcinać szerokość, a drugi wysokość. Testowane kadry nie zawsze więc zawierają się jeden w drugim. Nie wynika stąd ogólna zasada, że przejście od kwadratu do wyższych proporcji musi pogarszać każdy pojedynczy przypadek.
Skład materiału źródłowego także różni się między kategoriami. Grupy torebek obejmowały 210 przypadków poziomych, 10 kwadratowych i 72 pionowe; grupy laptopów odpowiednio 157, 2 i 24. To liczebności opisujące pokrycie zbioru, a nie porównania skorygowane. Zachowaliśmy ten skład, zamiast po poznaniu wyników odfiltrowywać obrazy do orientacji poziomej, ale ta decyzja nie czyni z kategorii porównywalnych populacji komercyjnych.
W rzeczywistym zadaniu sprawdź każdą wymaganą kompozycję osobno. Zatwierdzenie kwadratu nie zatwierdza automatycznie wersji pionowej. Niepowodzenie przy 1 proporcji nie dowodzi też, że inny zatwierdzony układ się nie sprawdzi. Przydatny zapis wskazuje źródło, wymagane obiekty i dokładnie ocenioną ramę, tak aby kolejna osoba rozumiała, co obejmuje zatwierdzenie.
Fikcyjne zadanie z 2 butelkami konkretyzuje wybór
Wyobraź sobie, że mała marka napojów zleca twórcy dostosowanie zatwierdzonego poziomego obrazu do pionowej kompozycji 4:5. Wymyślony obraz źródłowy ma 1600 pikseli szerokości i 900 pikseli wysokości. Największy kadr 4:5 ma w nim wymiary 720 na 900 pikseli. Marka, obraz, współrzędne i zadanie w tym przykładzie są fikcyjne; nie stanowią obserwacji ze zbioru COCO ani zmierzonego wyniku produkcyjnego.
Załóżmy, że wymagany prostokąt butelki rozciąga się od współrzędnej poziomej 100 do 400 oraz od współrzędnej pionowej 100 do 800. Wyśrodkowany kadr obejmuje współrzędne poziome od 440 do 1160, więc nie obejmuje tego prostokąta. Przesunięcie początku kadru do 100 daje zakres poziomy od 100 do 820 i obejmuje cały wymyślony prostokąt. Pierwotnym problemem jest tu położenie.
Dodaj teraz drugi wymagany prostokąt butelki, od współrzędnej poziomej 1000 do 1300, z takim samym zakresem pionowym. Łącznie 2 prostokąty zajmują 1200 pikseli w poziomie. Nie da się ich obu zmieścić w kadrze o szerokości 720 pikseli przez jego przesuwanie. Każdy z osobna mógłby się zmieścić; konflikt tworzy wymóg zachowania obu.
Osoba prowadząca obsługę klienta ma kilka możliwości do omówienia z twórcą. Może wybrać inny zatwierdzony obraz, na którym para butelek jest bliżej siebie, użyć układu mieszczącego obraz źródłowy z dodanym marginesem lub zapytać, czy brief powinien zamiast tego eksponować 1 wskazaną główną butelkę. Są to proponowane rozwiązania produkcyjne, a nie korzyści przetestowane w naszej analizie adnotacji.
Jeśli marka potrzebuje obu butelek, usunięcie 1 bez zgody zmienia zadanie. Jeśli potrzebuje tylko głównej butelki, wymóg zachowania każdej butelki w tle może dodawać zbędne ograniczenie. Porównanie nie może rozstrzygnąć, który przekaz jest właściwy. W tym przykładzie jego wartość polega na ujawnieniu, które wymaganie kadr może spełnić, a którego nie.
Gdy zespół uzgodni wersję, osoba oceniająca nadal musi zobaczyć ją w docelowym rozmiarze prezentacji. Zachowanie obu prostokątów nic nie mówi o czytelności opakowania, zasłoniętej ofercie ani niezręcznym rozkładzie przestrzeni. Geometria może rozstrzygnąć kwestię dopasowania, pozostawiając otwarte inne kontrole kreacji i zgodności z faktami.
Przekaż wymagania dotyczące kadru wraz z zadaniem
Krótki brief może przenieść brakującą decyzję między firmą, fotografem, projektantem i twórcą. Przechowuj go razem z zatwierdzonym materiałem źródłowym, zamiast polegać na wiadomości mówiącej jedynie „potrzebna wersja pionowa”. Szczegóły powinny wskazywać, co musi pozostać, co można zmienić i kto może zatwierdzić tę zmianę.
Skopiuj ten pusty szablon: „Zatwierdzony materiał źródłowy i wersja: __. Planowane miejsce publikacji i proporcje kadru: __. Wymagane wskazane obiekty lub grupa: __. Szczegóły, które muszą pozostać czytelne: __. Czy można przesuwać kadr: __. Czy można dodać margines lub wybrać inny zatwierdzony materiał: __. Osoba zatwierdzająca zmianę wymagania: __. Oceniona wersja i data: __”. Zespół wypełnia te pola na podstawie rzeczywistego zadania, a nie tego zbioru danych.
Pole wymaganych obiektów powinno być na tyle precyzyjne, by inna osoba mogła je zastosować. „Obie butelki z zestawu premierowego” to co innego niż „butelka najbliżej przodu”. Etykieta, twarz lub oferta może wymagać osobnego sprawdzenia, nawet gdy otaczający ją prostokąt obiektu mieści się w kadrze. Adnotacje źródłowe nie definiowały tych priorytetów komercyjnych.
Gdy wyśrodkowany kadr ucina coś wymaganego, najpierw sprawdź, czy inne położenie może zachować uzgodnione obiekty. Jeśli grupa nie może się zmieścić, wróć z wyborem materiału lub kompozycji do osoby zatwierdzającej. Zachowanie tego rozróżnienia przy przekazywaniu zadania uzasadnia poprawkę bez twierdzenia, że zbiór danych przewiduje, ilu poprawek uniknie zespół.
Ilustrowane kroki poniżej opisują proponowaną kolejność oceny. Margines pokazany w ostatniej scenie to 1 możliwy wybór układu, gdy kadr wypełniający całą powierzchnię nie może zachować obu form. Nie dowodzi to, że margines jest dopuszczalny w każdym miejscu publikacji ani że taki układ osiągnie lepsze wyniki.
Zachowaj wymagane obiekty na wszystkich etapach oceny kadru

Wskaż, co musi pozostać
Uzgodnij wymagane obiekty i szczegóły wraz z dokładną wersją materiału źródłowego.
Sprawdź docelową ramę
Oceń wyśrodkowany kadr przy wymaganych proporcjach, niezależnie od rozmiaru eksportu.
Sprawdź położenie, a potem rozstrzygnij dopasowanie
Jeśli przesunięcie nie pozwala zachować wymaganej grupy, uzgodnij inny materiał, układ lub brief.
Oceń uzgodnioną wersję
Sprawdź rzeczywistą kompozycję, czytelne szczegóły i zakres zatwierdzenia.
Jak przeprowadzono porównanie na podstawie adnotacji
COCO to badawczy zbiór obiektów w kontekście, obejmujący zatłoczone sceny i wiele obiektów. Nie zebrano go jako reprezentatywnego zestawu komercyjnych zdjęć produktów. Wykorzystaliśmy podzbiór walidacyjny adnotacji pojedynczych obiektów z wydania 2017, który identyfikuje 5000 obrazów. Nazwa podzbioru odnosi się do wydania, a nie roku wykonania każdego zdjęcia.[1][2]
Plik adnotacji pozyskano 24 października 2026 r. (UTC). Sprawdziliśmy jego pełną sumę kontrolną i zachowaliśmy dokładną tożsamość źródła. Nie pozyskiwaliśmy, nie oglądaliśmy ani nie klasyfikowaliśmy zdjęć. Analiza wykorzystywała zapisane wymiary obrazów, identyfikatory kategorii, oznaczenia tłumu i współrzędne prostokątów; nie dodano oceny estetycznej ani pomiaru pikseli obiektów.
5 kategorii, 3 proporcje, wymaganie grupowe, analizę wrażliwości dla pojedynczych obiektów i zasady wykluczania ustalono przed obliczeniem wyników kadrowania. Główna analiza objęła 1 458 kwalifikujących się przypadków obraz–kategoria. Osobna analiza pojedynczych obiektów objęła 2 941 prawidłowych prostokątów. 1 obraz może występować w więcej niż 1 kategorii, więc suma grup nie jest ani liczbą unikalnych zdjęć, ani zbiorem niezależnych losowań z populacji.
Wykluczyliśmy 16 adnotacji tłumu: 12 butelek i 4 kubków. Żaden wybrany pojedynczy obiekt nieoznaczony jako tłum ani żadna główna grupa nie naruszały zadeklarowanych zasad poprawności. Źródło zawiera także kategorie spoza ustalonych 5; nie dodawano ich po uzyskaniu wyników. Wszystkie kwalifikujące się przypadki w danej kategorii pozostały w porównaniu przy każdej proporcji, z tym samym mianownikiem.[3][4]
Współrzędne oceniano jako dokładne ułamki wyprowadzone z dziesiętnych zapisów źródłowych. Pełne zawarcie w kadrze obejmowało równość na granicy. Tabele pokazują liczebności całkowite, a podsumowania do pobrania zachowują dokładne ułamki tych liczebności. Obliczenia opisują ten skończony zbiór adnotacji; nie podajemy przedziałów ufności, oszacowań populacyjnych, prognoz nieudanych kadrów komercyjnych ani przyczynowego wpływu kategorii.
- Pobierz 120 wyświetlonych liczebności (CSV)
- Pobierz wszystkie 1 458 przypadków grupowych przy wszystkich 3 proporcjach (CSV)
- Pobierz wszystkie 30 wierszy podsumowań grup i pojedynczych prostokątów (CSV)
- Pobierz źródło adnotacji, metodę i kod odtwarzający obliczenia (ZIP)
Rejestracja nie jest wymagana. Udostępniamy obie kompletne tabele i każdy kwalifikujący się rekord grupy przy danej proporcji. Wspólny pakiet zawiera dokumentację metody w języku angielskim, dokładne dane identyfikujące źródło adnotacji oraz kod odtwarzający obliczenia. Prawa do adnotacji COCO nie przyznają praw do zdjęć, których dotyczą; zdjęcia nie są rozpowszechniane.[8]
Wykorzystaj porównanie, by precyzyjniej zapytać o poprawkę
Zachowanie wybranego obszaru przy zmianie proporcji jest znanym problemem kadrowania. Wcześniejsze prace rozważały, czy obszar może zmieścić się w wybranych proporcjach, porównywały wyśrodkowane kadry o stałych proporcjach z wyborami redaktorów i mierzyły zachowanie pierwszego planu przy innych procedurach kadrowania. Naszym wkładem jest ten ustalony zestaw porównań tych samych przypadków oraz rozróżnienie grup i pojedynczych obiektów, a nie nowy algorytm kadrowania.[5][6][7]
W przypadku własnego zatwierdzonego obrazu najprostszą odpowiedzią pozostaje staranna ręczna ocena kadru. Tabela zbioru nie powie, który obiekt sprzedaje produkt, który szczegół tła ma znaczenie ani czy wybrana kompozycja sprawia właściwe wrażenie. Może wyjaśnić, dlaczego „kadr na środku to ucina” i „żadne położenie nie zachowa wymaganej grupy” zasługują na różne reakcje.
Oddziel to pytanie także od wymiarów w pikselach. Materiał źródłowy może być wystarczająco duży do eksportu, a mimo to umieszczać wymagane obiekty zbyt daleko od siebie. I odwrotnie: geometryczne dopasowanie nie dowodzi, że powiększenie małego materiału źródłowego da akceptowalny obraz. Nasze powiązane badanie rozmiarów zdjęć w galerii dotyczy wymiarów; to porównanie dodaje pytanie o dopasowanie obiektów oznaczonych adnotacjami.
Gdy kadr wraca do poprawki, dołącz docelową ramę i wskaż, co musi pozostać. Następnie zdecyduj, czy spróbować innego położenia, wybrać inny zatwierdzony materiał źródłowy, czy za zgodą zmienić układ lub brief. Porównanie dostarcza konkretnego rozróżnienia do tej rozmowy. Rzeczywista kreacja, prawa do niej i końcowa prezentacja nadal wymagają osobnej oceny.
Przypisy badawcze
- COCO Consortium, oficjalna dokumentacja pobierania danych i wydanie adnotacji zbioru treningowego/walidacyjnego z 2017 r. Podzbiór walidacyjny identyfikuje 5000 obrazów. „2017” oznacza wydanie podzbioru, a nie rok wykonania zdjęć. Influence IQ pozyskało kompletny plik adnotacji instances_val2017.json 24 października 2026 r. (UTC), bez pikseli obrazów. Publiczny pakiet zapisuje adres URL źródła, nazwę pliku w archiwum i dokładny SHA256.
- Lin i in., Microsoft COCO: Common Objects in Context. Zbiór zaprojektowano wokół obiektów w kontekście i scen innych niż izolowane prezentacje obiektów, w tym scen zawierających wiele obiektów. Ten zbiór badawczy nie dowodzi reprezentatywności dla katalogów produktów, materiałów twórców, postów na Instagramie ani aktualnych kampanii komercyjnych.
- COCO Consortium, format adnotacji pojedynczych obiektów. Prostokąty wykorzystują współrzędne obrazu x, y oraz szerokość i wysokość; iscrowd odróżnia adnotacje tłumu. Nasza ustalona jednostka główna obejmuje każdy prostokąt 1 wybranej kategorii na 1 obrazie, nieoznaczony jako tłum. Adnotacje tłumu wyklucza się i zlicza osobno. Pełne zawarcie prostokąta nie mierzy zachowanych pikseli obiektu, rozpoznawalności, czytelności ani jakości wizualnej.
- Obliczenia Influence IQ, ustalone przed uzyskaniem wyników kadrowania: torebka, butelka, kubek, laptop i telefon komórkowy; proporcje 1:1, 4:5 i 9:16; największy kadr o bokach równoległych do osi, mieszczący się w obrazie; najpierw środek, następnie możliwość przesunięcia. Wszystkie wybrane prostokąty nieoznaczone jako tłum tworzą grupę główną; każdy prawidłowy pojedynczy obiekt sprawdza się również osobno. Dokładne ułamki zachowują dziesiętne współrzędne źródłowe, z uwzględnieniem granic. Pakiet zachowuje wszystkie 4 374 wiersze grup i proporcji, wszystkie 30 podsumowań, pokrycie zbioru, wykluczenia i kod odtwarzający obliczenia. Nie pozyskano zdjęć źródłowych.
- Zhang, Leszczuk, Miglino i Ye, Automatic Adaptive Image Cropping to Preserve Regions of Interest, Technical Disclosure Commons (2022). Ta wcześniejsza publikacja już rozważa porównywanie obszaru zainteresowania z wymiarami możliwych kadrów, aby zachować go przy określonych proporcjach. Możliwość zmieszczenia przez przesunięcie nie jest tu przedstawiana jako nowy algorytm.
- Christensen i Vartakavi, An Experience-based Direct Generation approach to Automatic Image Cropping. Publikacja porównuje kadry o stałych proporcjach z kadrami wykonanymi przez redaktorów i uwzględnia wyśrodkowany wariant odniesienia o największym mieszczącym się rozmiarze. Jej miary zgodności z wyborami redaktorów różnią się od pełnego zawarcia prostokątów adnotacji w tym porównaniu. Jest to kontekst wcześniejszych prac, a nie walidacja komercyjnej usługi kadrowania.
- Liu i in., PixMIM: Rethinking Pixel Reconstruction in Masked Image Modeling (2023). Publikacja bada pokrycie pierwszego planu podczas wstępnego przetwarzania obrazów, w tym kadrowania centralnego, przy użyciu innego zbioru danych, masek i wyniku. To wcześniejszy dowód, że procedury kadrowania mogą usuwać pierwszy plan; naszych liczebności pełnego zawarcia prostokątów nie należy odczytywać jako tej samej miary pokrycia pikseli.
- Źródło: COCO Consortium, adnotacje zbioru walidacyjnego COCO2017, na licencji CC BY 4.0. Wybór danych, obliczenia geometryczne, tabele, interpretacja i tłumaczenia są adaptacjami autorstwa Influence IQ; nie oznacza to poparcia ze strony źródła. COCO odróżnia licencjonowanie adnotacji od osobnych praw autorskich do zdjęć z serwisu Flickr, których dotyczą. Nie pozyskano ani nie rozpowszechniano zdjęć źródłowych. Oryginalne ilustracje koncepcyjne nie są obrazami ze zbioru COCO.
Artykuł w języku angielskim jest źródłem wszystkich wersji językowych. Każde wydanie opisuje ten sam ustalony zbiór adnotacji COCO, kategorie, proporcje i obliczenia. Język artykułu nie tworzy dowodów dotyczących nowego rynku. Influence IQ odpowiada za wybór danych, analizę, interpretację i tłumaczenia.