ก่อนเลื่อนกรอบครอป ให้ชัดก่อนว่าต้องเก็บอะไรไว้
การครอปตรงกลางอาจตัดวัตถุที่ยังอยู่ครบได้หากเลื่อนกรอบไปที่อื่น การเปรียบเทียบจากภาพที่มีข้อมูลกำกับนี้แยกกรณีดังกล่าวออกจากกรณีที่กรอบวัตถุที่ต้องเก็บไม่อาจอยู่ครบได้ เพื่อให้การตัดสินใจครั้งต่อไปตรงกับโจทย์งาน
การเปรียบเทียบเชิงพรรณนาด้วยเรขาคณิตจากข้อมูลกำกับชุดตรวจสอบ COCO2017: 1,458 กรณีภาพ/หมวดหมู่ ใน 5 หมวดหมู่และ 3 อัตราส่วน พร้อมตรวจแยกวัตถุรายชิ้น 2,941 กรอบ กรณีไม่ใช่จำนวนภาพที่ไม่ซ้ำกัน ได้รับข้อมูลกำกับวันที่ 24 ตุลาคม 2026 (UTC) โดยไม่ได้รับไฟล์ภาพถ่าย
บทคัดย่อ
การเลื่อนกรอบครอปอาจเก็บวัตถุที่ถูกตัดเมื่อครอปตรงกลางไว้ได้ หากกลุ่มที่ต้องการยังมีขนาดพอจะอยู่ในกรอบ เริ่มจากกำหนดสิ่งที่ต้องเก็บไว้ เราทดสอบกรอบครอปขนาดใหญ่ที่สุดภายในภาพที่อัตราส่วน 1:1, 4:5 และ 9:16 กับกรณีภาพ/หมวดหมู่ชุดตรวจสอบ COCO เดิมทุกครั้ง โดยต้องเก็บกรอบกำกับวัตถุทุกกรอบที่ไม่ใช่แบบกลุ่มรวมในหมวดหมู่ที่เลือก สำหรับขวดที่ 9:16 มี 130 จาก 379 กรณีที่เก็บกรอบทั้งหมดได้เมื่อวางตรงกลาง อีก 199 กรณีเก็บได้หากเลื่อนกรอบครอป และ 50 กรณีไม่อาจเก็บได้ครบด้วยการเลื่อนเพียงอย่างเดียว[1][3][4]
เงื่อนไขนี้เข้มกว่าการเก็บวัตถุเพียงชิ้นเดียว เมื่อตรวจแยกเป็นรายชิ้น มีกรอบขวดเพียง 3 จาก 1,013 กรอบที่ไม่อาจอยู่ครบได้ที่ 9:16 ตารางฉบับเต็มทั้งสองอยู่ด้านล่าง ผลเหล่านี้มาจากกรอบกำกับในชุดข้อมูลวิจัย ไม่ใช่การวัดพิกเซลวัตถุที่สูญหาย ความล้มเหลวของงานครอปเชิงพาณิชย์ หรือการคาดการณ์แคมเปญ สิ่งที่เพิ่มเข้ามาคือการเปรียบเทียบแบบจับคู่ที่ตรวจสอบได้ ช่วยแยกว่าควรลองเลื่อนกรอบ หรือควรเลือกไฟล์ เลย์เอาต์ หรือปรับโจทย์งานอย่างชัดเจน
ภาพที่อนุมัติแล้วอาจมีพิกเซลเพียงพอสำหรับส่งออกแนวตั้ง แต่มีพื้นที่ไม่พอสำหรับทุกสิ่งที่โจทย์งานต้องการ ครีเอเตอร์วางกรอบตรงกลาง เห็นสินค้าหายไปตรงขอบ แล้วส่งคำถามกลับมาขอแก้ ผู้ดูแลลูกค้าจึงต้องตัดสินใจว่าภาพนี้ควรครอปใหม่ หรือควรจัดองค์ประกอบใหม่
สองทางเลือกนี้ต่างกัน การถูกตัดเมื่อวางตรงกลางไม่ได้แปลว่าวัตถุจะอยู่ครบไม่ได้หากเปลี่ยนตำแหน่ง แต่การเลื่อนกรอบก็แก้ไม่ได้ทุกการจัดวาง หากสิ่งที่ต้องเก็บกินพื้นที่กว้างหรือสูงเกินกรอบครอป ทีมต้องทบทวนไฟล์ต้นฉบับ เลย์เอาต์ หรือเงื่อนไขงาน
เราศึกษาความต่างนี้ด้วยข้อมูลกำกับจากงานวิจัยที่มีอยู่ โดยไม่ได้รับภาพถ่าย ผลที่ได้คือข้อมูลเปรียบเทียบความเป็นไปได้ทางเรขาคณิต ตามด้วยตัวอย่างงานสมมติและแบบฟอร์มที่คัดลอกไปใช้ได้ ช่วยให้ส่งต่องานได้ชัดกว่าเพียงบอกว่า “ทำเป็นแนวตั้ง” โดยผู้รับผิดชอบภาพจริงยังเป็นผู้อนุมัติงานสร้างสรรค์
เปลี่ยนตำแหน่งแล้วก็ยังต้องตรวจว่าอยู่ครบหรือไม่

เริ่มจากสิ่งที่โจทย์งานกำหนดว่าต้องเก็บไว้
การเปรียบเทียบนี้ใช้หมวดกระเป๋าถือ ขวด ถ้วย แล็ปท็อป และโทรศัพท์มือถือ ซึ่งมีกรอบสี่เหลี่ยมกำกับวัตถุ หน่วยหลักรวมกรอบทุกกรอบที่ไม่ใช่แบบกลุ่มรวมของหมวดหมู่เดียวกันในภาพหนึ่งภาพ หากภาพมีขวดหลายใบ การทดสอบกำหนดให้กรอบขวดทั้งหมดอยู่ภายในพื้นที่ครอป วัตถุหมวดอื่นไม่นับรวมในกรณีนั้น[3]
เราระบุเงื่อนไขนี้อย่างชัดเจนโดยตั้งใจ โจทย์เชิงพาณิชย์อาจต้องการขวดหลักเพียงใบเดียว และยอมให้ขวดด้านหลังหายไป การทดสอบหลักไม่ได้เลือกแทนทีมสร้างสรรค์ แต่ตรวจภายใต้เงื่อนไขว่าต้องเก็บทุกชิ้นในหมวดเดียวกัน แล้วแสดงผลตรวจรายกรอบแยกไว้ เพื่อไม่ให้เงื่อนไขที่เข้มกว่าถูกมองข้าม
สำหรับแต่ละอัตราส่วน เราใช้กรอบครอปขนาดใหญ่ที่สุดที่อยู่ภายในภาพเดิม โดยด้านกรอบขนานกับแกนภาพ เริ่มวางที่ตรงกลาง หากเก็บกลุ่มที่ต้องการได้ไม่ครบ จึงตรวจว่าการเลื่อนกรอบขนาดเดิมไปที่ตำแหน่งใดภายในภาพจะเก็บได้ครบหรือไม่ ทั้งสองขั้นตอนไม่ได้เติมเนื้อหา หมุนภาพ หรือเปลี่ยนมาตราส่วน[4]
ผลลัพธ์ 3 แบบจึงตอบคนละคำถาม “ตรงกลางเก็บได้ครบทุกกรอบ” หมายถึงตำแหน่งแรกผ่าน “เลื่อนแล้วอาจเก็บได้ครบทุกกรอบ” หมายถึงตรงกลางไม่ผ่าน แต่ยังมีตำแหน่งอื่นที่เป็นไปได้ทางเรขาคณิต ส่วน “ไม่มีตำแหน่งใดเก็บได้ครบทุกกรอบ” หมายถึงการเลื่อนกรอบเดิมอย่างเดียวไม่อาจทำตามเงื่อนไขที่กำหนดได้ กรอบวัตถุที่แตะขอบครอปยังนับว่าอยู่ภายใน
กรอบเป็นข้อมูลกำกับ ไม่ใช่การวัดพิกเซลสินค้าที่มองเห็นทั้งหมด กรอบอาจรวมพื้นหลัง กำกับวัตถุที่ถูกบังบางส่วน หรือไม่ได้บอกว่าฉลากอ่านออกหรือไม่ การผ่านทดสอบยืนยันเพียงว่ากรอบกำกับอยู่ครบ การตรวจงานจริงยังต้องดูสินค้าที่ต้องการ บริบทโดยรอบ และข้อมูลที่ชิ้นงานต้องสื่อ
หลายกรณีที่ถูกตัดตรงกลางยังมีตำแหน่งอื่นให้ลอง
ตารางแรกเก็บครบทั้ง 5 หมวดหมู่และ 3 อัตราส่วนตามลำดับการวิเคราะห์ที่กำหนดไว้ แต่ละหมวดใช้กรณีภาพ/หมวดหมู่ที่เข้าเกณฑ์ชุดเดิมในทุกอัตราส่วน อ่านจำนวนฐานควบคู่กับผลลัพธ์ทั้ง 3 แบบ เราไม่ได้เรียงแถวเพื่อชี้ว่าสินค้าหมวดใดถ่ายง่ายหรือเหมาะกับโฆษณามากกว่า
กลุ่มขวดที่ 9:16 แสดงความต่างหลักได้ชัด จาก 379 กรณี มี 130 กรณีที่เก็บกรอบขวดทั้งหมดได้เมื่อครอปตรงกลาง อีก 199 กรณีไม่ผ่านตรงกลาง แต่เก็บกรอบขวดได้ครบหากเลื่อนกรอบครอป ส่วนอีก 50 กรณีทำตามเงื่อนไขเก็บขวดทุกใบไม่ได้ด้วยการเลื่อนเพียงอย่างเดียว การรวม2 จำนวนหลังเข้าด้วยกันจะซ่อนทางเลือกที่การเปรียบเทียบนี้ตั้งใจแยก
ตัวอย่างอื่นก็มีความต่างแบบเดียวกัน ที่ 4:5 กระเป๋าถือ 151 จาก 292 กรณีผ่านเมื่อวางตรงกลาง อีก 108 กรณีอาจผ่านหากเลื่อน และ 33 กรณีไม่อาจอยู่ครบได้ สำหรับถ้วยที่ 1:1 ตัวเลขตามลำดับคือ 239, 128 และ 23 จากทั้งหมด 390 กรณี ตารางเก็บทุกชุดที่เหลือไว้ครบ แทนการเลือกเฉพาะตัวเลขที่เหมาะกับพาดหัว
“เลื่อนแล้วอาจเก็บได้ครบ” คือความเป็นไปได้ ไม่ใช่รายงานว่าโปรแกรมแต่งภาพหรือบริการครอปอัตโนมัติรายใดหาตำแหน่งนั้นพบ การคำนวณตรวจช่วงตำแหน่งที่อนุญาตด้วยคณิตศาสตร์ ไม่ได้ทดสอบค่าเริ่มต้นของซอฟต์แวร์ จัดอันดับองค์ประกอบทางเลือก หรือดูว่าภาพหลังเลื่อนกรอบจะดูเป็นอย่างไรสำหรับผู้ชม
สำหรับผู้ผลิตชิ้นงาน คอลัมน์กลางเป็นเหตุผลที่ควรเก็บไฟล์ต้นฉบับไว้ให้ใช้ระหว่างตรวจงาน ภาพตัวอย่างที่ครอปตรงกลางแล้วถูกปฏิเสธอาจยังมีทางเลือก ส่วนคอลัมน์สุดท้ายต้องคุยอีกแบบ หากกรอบที่ต้องเก็บไม่อาจอยู่ครบได้ การลองเลื่อนกรอบเดิมอีกก็ไม่อาจทำตามโจทย์นั้นได้
เก็บทุกกรอบในหมวดหมู่เดียวกัน: ผลทั้งกลุ่มครบทุกกรณี
หนึ่งกรณีคือภาพหนึ่งภาพกับหมวดหมู่หนึ่งหมวด โดยรวมกรอบที่ไม่ใช่แบบกลุ่มรวมทุกกรอบของหมวดนั้น เปรียบเทียบกรณีที่เข้าเกณฑ์ชุดเดิมในแต่ละอัตราส่วน นับว่าเลื่อนแล้วเก็บได้เฉพาะเมื่อตรงกลางไม่ผ่าน แต่มีตำแหน่งอื่นภายในภาพที่เก็บกรอบที่ต้องการได้ครบ
| หมวดหมู่และอัตราส่วนเป้าหมาย | กรณีที่เข้าเกณฑ์ | ตรงกลางเก็บได้ครบทุกกรอบ | เลื่อนแล้วอาจเก็บได้ครบทุกกรอบ | ไม่มีตำแหน่งใดเก็บได้ครบทุกกรอบ |
|---|---|---|---|---|
| กระเป๋าถือ · 1:1 | 292 | 170 | 104 | 18 |
| กระเป๋าถือ · 4:5 | 292 | 151 | 108 | 33 |
| กระเป๋าถือ · 9:16 | 292 | 89 | 151 | 52 |
| ขวด · 1:1 | 379 | 219 | 144 | 16 |
| ขวด · 4:5 | 379 | 189 | 158 | 32 |
| ขวด · 9:16 | 379 | 130 | 199 | 50 |
| ถ้วย · 1:1 | 390 | 239 | 128 | 23 |
| ถ้วย · 4:5 | 390 | 190 | 163 | 37 |
| ถ้วย · 9:16 | 390 | 120 | 203 | 67 |
| แล็ปท็อป · 1:1 | 183 | 68 | 89 | 26 |
| แล็ปท็อป · 4:5 | 183 | 53 | 92 | 38 |
| แล็ปท็อป · 9:16 | 183 | 29 | 84 | 70 |
| โทรศัพท์มือถือ · 1:1 | 214 | 161 | 44 | 9 |
| โทรศัพท์มือถือ · 4:5 | 214 | 131 | 70 | 13 |
| โทรศัพท์มือถือ · 9:16 | 214 | 93 | 98 | 23 |
เก็บวัตถุเพียงชิ้นเดียวคืออีกคำถามหนึ่ง
ความต่างระหว่างทั้งกลุ่มกับวัตถุชิ้นเดียวมีมากพอที่จะต้องแสดงคู่กับผลหลัก ที่ 9:16 กลุ่มขวด 50 จาก 379 กรณีภาพ/หมวดหมู่ไม่อาจอยู่ครบได้ด้วยการเลื่อนเพียงอย่างเดียว แต่ในการตรวจรายชิ้นแยกกัน มีกรอบขวดเพียง 3 จาก 1,013 กรอบที่อยู่ครบไม่ได้ จำนวนฐานและเงื่อนไขต่างกัน จึงนำตัวเลขเหล่านี้มาแทนกันเป็นอัตราความล้มเหลวไม่ได้
ตารางที่สองใช้เรขาคณิตแบบเดียวกันกับกรอบแต่ละกรอบที่ถูกต้องและไม่ใช่แบบกลุ่มรวม ภาพที่มีขวดหลายใบจึงให้ข้อมูลขวดหลายชิ้นในตารางนี้ ขณะที่ตารางแรกนับเป็นกลุ่มขวดเพียงกลุ่มเดียว แต่ละกรอบพิจารณาแยกจากกัน ไม่ได้แปลว่าตำแหน่งที่เป็นไปได้ของแต่ละกรอบจะทำได้พร้อมกันในภาพครอปเดียว
สำหรับกระเป๋าถือ กรอบรายชิ้นทุกกรอบสามารถอยู่ครบได้ที่ตำแหน่งใดตำแหน่งหนึ่งในทั้ง 3 อัตราส่วน แต่บางกลุ่มที่ต้องเก็บกระเป๋าทุกใบทำไม่ได้ ความต่างนี้สอดคล้องกับข้อจำกัดทางเรขาคณิตง่าย ๆ คือวัตถุแต่ละชิ้นที่จัดการได้อาจอยู่ห่างกันเกินกว่าจะรวมในกรอบเดียว ผลนี้ไม่ได้อธิบายว่าเหตุใดภาพต้นฉบับจึงจัดวางเช่นนั้น หรือแคมเปญควรนำเสนออะไร
แล็ปท็อปยังแสดงว่าการตรวจรายชิ้นก็ไม่ใช่คำรับประกัน ที่ 9:16 กรอบแล็ปท็อป 60 จาก 231 กรอบไม่อาจอยู่ครบได้ด้วยการเลื่อนเพียงอย่างเดียว แถวอื่นให้ผลต่างกัน ซึ่งตารางตรวจรายชิ้นเก็บไว้ครบ เราไม่ได้ควบคุมมุมกล้อง รูปร่างวัตถุ แนวภาพต้นฉบับ หรือองค์ประกอบฉาก จึงแยกสาเหตุจากการเปรียบเทียบระหว่างหมวดหมู่ไม่ได้
ทีมใช้ความต่างนี้ทำให้คำขอแก้ชัดขึ้นได้ “เก็บสินค้าไว้” หมายถึงสินค้าหลักที่ระบุชื่อหนึ่งชิ้น ทุกชิ้นในชุด หรือทุกชิ้นประเภทนั้นที่อยู่ในฉาก? คำตอบที่เปลี่ยนไปทำให้เงื่อนไขสร้างสรรค์เปลี่ยนไปด้วย ควรเป็นข้อสรุปร่วมกัน ไม่ใช่การลดเงื่อนไขโดยไม่บอกเพื่อให้ภาพครอปผ่าน
ตรวจทีละกรอบ: ผลตรวจรายชิ้นครบทุกกรณี
ทดสอบวัตถุรายชิ้นที่ถูกต้องและไม่ใช่แบบกลุ่มรวมแยกกัน ภาพที่มีวัตถุหลายชิ้นอาจให้ข้อมูลหลายกรอบ โดยพิจารณาทีละกรอบ ตำแหน่งที่เป็นไปได้ของแต่ละกรอบไม่จำเป็นต้องทำได้พร้อมกันในภาพครอปเดียว
| หมวดหมู่และอัตราส่วนเป้าหมาย | กรอบที่เข้าเกณฑ์ | ตรงกลางเก็บกรอบได้ครบ | เลื่อนแล้วอาจเก็บกรอบได้ครบ | ไม่มีตำแหน่งใดเก็บกรอบได้ครบ |
|---|---|---|---|---|
| กระเป๋าถือ · 1:1 | 540 | 353 | 187 | 0 |
| กระเป๋าถือ · 4:5 | 540 | 316 | 224 | 0 |
| กระเป๋าถือ · 9:16 | 540 | 203 | 337 | 0 |
| ขวด · 1:1 | 1,013 | 754 | 259 | 0 |
| ขวด · 4:5 | 1,013 | 681 | 332 | 0 |
| ขวด · 9:16 | 1,013 | 513 | 497 | 3 |
| ถ้วย · 1:1 | 895 | 659 | 236 | 0 |
| ถ้วย · 4:5 | 895 | 559 | 336 | 0 |
| ถ้วย · 9:16 | 895 | 419 | 466 | 10 |
| แล็ปท็อป · 1:1 | 231 | 107 | 107 | 17 |
| แล็ปท็อป · 4:5 | 231 | 79 | 126 | 26 |
| แล็ปท็อป · 9:16 | 231 | 43 | 128 | 60 |
| โทรศัพท์มือถือ · 1:1 | 262 | 204 | 50 | 8 |
| โทรศัพท์มือถือ · 4:5 | 262 | 172 | 83 | 7 |
| โทรศัพท์มือถือ · 9:16 | 262 | 124 | 126 | 12 |
ตรวจแต่ละกรอบเป็นองค์ประกอบภาพของตัวเอง
อัตราส่วน 1:1, 4:5 และ 9:16 เป็นรูปทรงที่กำหนดไว้สำหรับทดสอบ ไม่ใช่ข้อกำหนด Instagram ปัจจุบันหรือคำแนะนำนโยบายรูปแบบภาพ สำหรับงานครอปภาพ Instagram ให้ยืนยันตำแหน่งที่จะใช้และเงื่อนไขกับผู้เตรียมไฟล์ส่งออก การศึกษานี้ตอบคำถามที่แคบกว่าว่าวัตถุอยู่ครบในกรอบที่กำหนดได้หรือไม่
ภาพต้นฉบับทุกแนวยังเข้าเกณฑ์ ภาพแนวนอนกับภาพแนวตั้งสูงให้ผลต่างกันเมื่อใช้อัตราส่วนเป้าหมายเดียวกัน กรอบหนึ่งอาจตัดด้านกว้าง อีกกรอบอาจตัดด้านสูง กรอบที่ทดสอบจึงไม่ได้ซ้อนอยู่ภายในกันทุกกรณี และไม่มีหลักทั่วไปในที่นี้ว่าการเปลี่ยนจากสี่เหลี่ยมจัตุรัสเป็นสัดส่วนที่สูงขึ้นต้องทำให้ทุกกรณีแย่ลง
ส่วนผสมของภาพต้นฉบับแต่ละหมวดก็ต่างกัน กลุ่มกระเป๋าถือมีภาพแนวนอน 210 กรณี สี่เหลี่ยมจัตุรัส 10 และแนวตั้ง 72 ส่วนแล็ปท็อปมี 157, 2 และ 24 ตามลำดับ ตัวเลขนี้บอกขอบเขตข้อมูล ไม่ใช่การเปรียบเทียบที่ปรับความต่างแล้ว เราเก็บส่วนผสมเดิมไว้ แทนการเลือกเฉพาะแนวนอนหลังเห็นผล แต่การตัดสินใจนี้ไม่ได้ทำให้แต่ละหมวดเป็นประชากรเชิงพาณิชย์ที่เทียบกันได้
สำหรับงานจริง ให้ตรวจองค์ประกอบแต่ละแบบที่ต้องใช้แยกกัน การอนุมัติสี่เหลี่ยมจัตุรัสไม่ได้อนุมัติแนวตั้งโดยอัตโนมัติ และการไม่ผ่านอัตราส่วนหนึ่งไม่ได้ยืนยันว่าเลย์เอาต์อื่นที่อนุมัติจะไม่ผ่าน บันทึกที่มีประโยชน์ต้องระบุต้นฉบับ วัตถุที่ต้องเก็บ และกรอบที่ตรวจจริง เพื่อให้คนถัดไปเข้าใจขอบเขตการอนุมัติ
งานขวด 2 ใบสมมติช่วยให้เห็นทางเลือกชัดขึ้น
สมมติแบรนด์เครื่องดื่มขนาดเล็กให้ครีเอเตอร์ปรับภาพแนวนอนที่อนุมัติแล้วเป็นภาพแนวตั้ง 4:5 ต้นฉบับสมมติกว้าง 1,600 พิกเซล สูง 900 พิกเซล กรอบ 4:5 ที่ใหญ่ที่สุดจึงมีขนาด 720 คูณ 900 พิกเซล ทั้งแบรนด์ ภาพ พิกัด และงานในตัวอย่างนี้เป็นเรื่องสมมติ ไม่ใช่ข้อมูลสังเกตจาก COCO หรือผลลัพธ์งานผลิตที่วัดจริง
สมมติกรอบขวดที่ต้องเก็บมีพิกัดแนวนอน 100 ถึง 400 และแนวตั้ง 100 ถึง 800 กรอบครอปตรงกลางครอบคลุมแนวนอน 440 ถึง 1,160 จึงไม่เก็บกรอบขวดนั้น หากเลื่อนจุดเริ่มกรอบครอปไปที่ 100 จะครอบคลุมแนวนอน 100 ถึง 820 และเก็บกรอบสมมติได้ครบ ปัญหาแรกในกรณีนี้คือตำแหน่ง
เพิ่มขวดใบที่สองที่ต้องเก็บ โดยมีกรอบแนวนอน 1,000 ถึง 1,300 และแนวตั้งเท่ากัน กรอบทั้ง 2 รวมกันกินระยะทางแนวนอน 1,200 พิกเซล จึงไม่อาจอยู่ครบในกรอบกว้าง 720 พิกเซลด้วยการเลื่อน แต่ละใบอยู่ครบแยกกันได้ เงื่อนไขว่าต้องเก็บทั้งคู่เป็นสิ่งที่ทำให้เกิดข้อขัดแย้ง
ผู้ดูแลลูกค้ามีหลายทางเลือกให้คุยกับครีเอเตอร์ เช่น เลือกภาพที่อนุมัติอีกภาพซึ่งวางขวดใกล้กันกว่า ใช้เลย์เอาต์ที่เก็บต้นฉบับโดยเติมพื้นที่ว่าง หรือถามว่าโจทย์งานควรเน้นขวดหลักที่ระบุไว้เพียงใบเดียวหรือไม่ นี่เป็นทางเลือกในการผลิตที่เสนอขึ้น ไม่ใช่ประโยชน์ที่การวิเคราะห์ข้อมูลกำกับนี้ทดสอบแล้ว
หากแบรนด์ต้องการขวดทั้งคู่ การตัดทิ้งหนึ่งใบโดยไม่ขออนุมัติคือการเปลี่ยนงาน หากต้องการเพียงขวดหลัก การบังคับเก็บขวดพื้นหลังทั้งหมดอาจเพิ่มข้อจำกัดที่ไม่จำเป็น การเปรียบเทียบนี้ตัดสินไม่ได้ว่าสารใดถูกต้อง คุณค่าของตัวอย่างคือทำให้เห็นว่าเงื่อนไขใดที่กรอบครอปทำได้หรือทำไม่ได้
เมื่อทีมตกลงเวอร์ชันแล้ว ผู้ตรวจยังต้องดูภาพในขนาดที่ตั้งใจนำเสนอ การเก็บทั้ง 2 กรอบได้ครบไม่ได้บอกว่าบรรจุภัณฑ์อ่านออก ข้อเสนอไม่ถูกบัง หรือพื้นที่ว่างสมดุล เรขาคณิตช่วยตอบเรื่องอยู่ครบได้หรือไม่ แต่ยังเหลือการตรวจสร้างสรรค์และข้อเท็จจริงด้านอื่น
ส่งเงื่อนไขการครอปต่อไปพร้อมงาน
บรีฟสั้น ๆ ช่วยส่งต่อการตัดสินใจที่ขาดหายระหว่างธุรกิจ ช่างภาพ นักออกแบบ และครีเอเตอร์ เก็บไว้คู่กับต้นฉบับที่อนุมัติ แทนการพึ่งข้อความเพียงว่า “ต้องการเวอร์ชันแนวตั้ง” รายละเอียดควรระบุสิ่งที่ต้องคงไว้ สิ่งที่เปลี่ยนได้ และผู้ที่อนุมัติการเปลี่ยนแปลงได้
คัดลอกแบบฟอร์มเปล่านี้: “ต้นฉบับที่อนุมัติและเวอร์ชัน: __ ตำแหน่งที่จะใช้และอัตราส่วนกรอบ: __ วัตถุหรือกลุ่มที่ระบุว่าต้องเก็บ: __ รายละเอียดที่ต้องอ่านออก: __ เลื่อนกรอบครอปได้หรือไม่: __ เติมพื้นที่ว่างหรือเลือกต้นฉบับที่อนุมัติอื่นได้หรือไม่: __ ผู้อนุมัติการเปลี่ยนเงื่อนไข: __ เวอร์ชันที่ตรวจและวันที่: __” ทีมกรอกจากงานจริง ไม่ใช่จากชุดข้อมูลนี้
ช่องระบุวัตถุที่ต้องเก็บควรชัดพอให้คนอื่นทำตามได้ “ขวดทั้งสองใบในชุดเปิดตัว” ต่างจาก “ขวดที่อยู่หน้าสุด” ฉลาก ใบหน้า หรือข้อเสนออาจต้องตรวจแยก แม้กรอบวัตถุที่ล้อมอยู่จะอยู่ครบ ข้อมูลกำกับต้นฉบับไม่ได้กำหนดลำดับความสำคัญเชิงพาณิชย์เหล่านั้น
เมื่อกรอบตรงกลางตัดสิ่งที่ต้องเก็บ ให้ตรวจก่อนว่าตำแหน่งอื่นเก็บวัตถุที่ตกลงกันไว้ได้หรือไม่ หากทั้งกลุ่มอยู่ครบไม่ได้ ให้ส่งเรื่องเลือกไฟล์หรือองค์ประกอบกลับไปหาผู้อนุมัติ การแยกสองกรณีนี้ในงานที่ส่งต่อช่วยอธิบายเหตุผลในการแก้ โดยไม่อ้างว่าชุดข้อมูลทำนายได้ว่าทีมจะลดรอบแก้ไปเท่าไร
ภาพลำดับด้านล่างแสดงขั้นตอนตรวจงานที่เสนอ พื้นที่ว่างในฉากสุดท้ายเป็นทางเลือกหนึ่งเมื่อครอปเต็มกรอบแล้วเก็บรูปทรงทั้งคู่ไม่ได้ ไม่ใช่หลักฐานว่าทุกตำแหน่งใช้งานยอมให้เติมพื้นที่ว่าง หรือว่าเลย์เอาต์ที่ได้จะให้ผลดีกว่า
เก็บสิ่งที่ต้องการไว้ในทุกขั้นตอนตรวจครอป

ระบุสิ่งที่ต้องเก็บ
ตกลงวัตถุและรายละเอียดที่ต้องคงไว้ พร้อมระบุเวอร์ชันต้นฉบับให้แน่นอน
ตรวจกรอบที่ตั้งใจใช้
ตรวจการครอปตรงกลางตามอัตราส่วนที่ต้องการ แยกจากขนาดไฟล์ส่งออก
ลองเลื่อน แล้วแก้โจทย์เรื่องอยู่ครบ
หากเลื่อนแล้วยังเก็บทั้งกลุ่มไม่ได้ ให้ตกลงไฟล์ เลย์เอาต์ หรือโจทย์งานอื่น
ตรวจเวอร์ชันที่ตกลงกัน
ตรวจองค์ประกอบจริง รายละเอียดที่ต้องอ่านออก และขอบเขตการอนุมัติ
วิธีเปรียบเทียบข้อมูลกำกับ
COCO เป็นชุดข้อมูลวิจัยวัตถุในบริบท รวมฉากที่มีสิ่งของหนาแน่นและวัตถุหลายชิ้น ไม่ได้จัดทำให้เป็นตัวแทนภาพสินค้าทางการค้า เราใช้ข้อมูลกำกับวัตถุรายชิ้นในชุดตรวจสอบรุ่น 2017 ซึ่งระบุ 5,000 ภาพ ชื่อชุดบอกรุ่นที่เผยแพร่ ไม่ใช่ปีที่ถ่ายภาพทุกภาพ[1][2]
ได้รับไฟล์ข้อมูลกำกับวันที่ 24 ตุลาคม 2026 (UTC) เราตรวจเช็กซัมทั้งไฟล์และเก็บข้อมูลระบุต้นทางที่แน่นอน โดยไม่ได้รับ เปิดดู หรือจัดประเภทภาพถ่าย การวิเคราะห์ใช้ขนาดภาพ รหัสหมวดหมู่ ธงข้อมูลแบบกลุ่มรวม และพิกัดกรอบที่บันทึกไว้ ไม่ได้เพิ่มการตัดสินด้านความสวยงามหรือการวัดพิกเซลวัตถุ
เรากำหนด 5 หมวดหมู่ 3 อัตราส่วน เงื่อนไขเก็บทั้งกลุ่ม การตรวจรายชิ้น และกฎคัดออกก่อนคำนวณผลครอป การวิเคราะห์หลักมีกรณีภาพ/หมวดหมู่ที่เข้าเกณฑ์ 1,458 กรณี ส่วนการวิเคราะห์รายชิ้นมีกรอบที่ถูกต้อง 2,941 กรอบ ภาพหนึ่งอาจอยู่มากกว่าหนึ่งหมวด ยอดกลุ่มจึงไม่ใช่จำนวนภาพที่ไม่ซ้ำกัน หรือชุดการสุ่มจากประชากรที่เป็นอิสระต่อกัน
เราคัดข้อมูลกำกับแบบกลุ่มรวมออก 16 รายการ ได้แก่ ขวด 12 และถ้วย 4 รายการ ไม่มีวัตถุรายชิ้นที่ไม่ใช่แบบกลุ่มรวมหรือกลุ่มหลักที่เลือกไว้ผิดกฎความถูกต้องที่ประกาศ ชุดต้นทางยังมีหมวดนอกเหนือจาก 5 หมวดที่กำหนด ซึ่งเราไม่ได้เพิ่มหลังเห็นผล ทุกกรณีที่เข้าเกณฑ์ในแต่ละหมวดยังคงเปรียบเทียบครบทุกอัตราส่วนด้วยจำนวนฐานเดิม[3][4]
พิกัดคำนวณเป็นเศษส่วนที่แน่นอนจากค่าทศนิยมต้นทาง การอยู่ภายในกรอบรวมกรณีที่ขอบแตะกัน ตารางแสดงจำนวนเต็ม ส่วนสรุปที่ดาวน์โหลดได้เก็บสัดส่วนจำนวนแบบเศษส่วนที่แน่นอนไว้ การคำนวณอธิบายเฉพาะชุดข้อมูลกำกับที่มีขอบเขตนี้ ไม่ได้รายงานช่วงความเชื่อมั่น ค่าประมาณประชากร การคาดการณ์ความล้มเหลวเชิงพาณิชย์ หรือผลเชิงสาเหตุของหมวดหมู่
- ดาวน์โหลดจำนวนที่แสดงทั้ง 120 ค่า (CSV)
- ดาวน์โหลดทั้ง 1,458 กรณีกลุ่มในทุก 3 อัตราส่วน (CSV)
- ดาวน์โหลดสรุปทั้งกลุ่มและรายกรอบครบ 30 แถว (CSV)
- ดาวน์โหลดข้อมูลกำกับต้นทาง วิธีศึกษา และโค้ดทำซ้ำผล (ZIP)
ไม่ต้องสมัคร มีตารางฉบับเต็มทั้งสองและข้อมูลกลุ่ม/อัตราส่วนทุกแถวที่เข้าเกณฑ์ แพ็กเกจร่วมมีเอกสารวิธีศึกษาเป็นภาษาอังกฤษ ข้อมูลระบุต้นทางที่แน่นอน และโค้ดทำซ้ำผล สิทธิในข้อมูลกำกับ COCO ไม่ได้ให้สิทธิในภาพถ่ายต้นฉบับ และไม่มีการแจกจ่ายภาพถ่าย[8]
ใช้ผลเปรียบเทียบถามเรื่องแก้ไขให้ชัดขึ้น
การเก็บพื้นที่หนึ่งไว้ขณะเปลี่ยนอัตราส่วนเป็นปัญหาการครอปที่มีการศึกษามาก่อน งานก่อนหน้าพิจารณาว่าพื้นที่จะอยู่ครบในอัตราส่วนที่เลือกได้หรือไม่ เปรียบเทียบการครอปตรงกลางตามอัตราส่วนคงที่กับทางเลือกของบรรณาธิการ และวัดส่วนหน้าภาพที่เหลือภายใต้วิธีครอปอื่น สิ่งที่เรานำเสนอคือรายการเปรียบเทียบแบบจับคู่ที่กำหนดไว้และความต่างระหว่างทั้งกลุ่มกับรายชิ้น ไม่ใช่อัลกอริทึมครอปใหม่[5][6][7]
สำหรับภาพที่อนุมัติของคุณ การตรวจครอปด้วยตนเองอย่างรอบคอบยังให้คำตอบตรงที่สุด ตารางชุดข้อมูลบอกไม่ได้ว่าวัตถุใดช่วยขายสินค้า รายละเอียดพื้นหลังใดสำคัญ หรือองค์ประกอบที่เลือกให้ความรู้สึกเหมาะหรือไม่ แต่ช่วยอธิบายว่าทำไม “ตรงกลางตัดออก” กับ “ไม่มีตำแหน่งใดเก็บกลุ่มที่ต้องการได้ครบ” จึงควรได้รับคำตอบต่างกัน
แยกคำถามนี้จากขนาดพิกเซลด้วย ต้นฉบับอาจใหญ่พอสำหรับส่งออก แต่วางวัตถุที่ต้องเก็บห่างกันเกินไป ในทางกลับกัน การอยู่ครบทางเรขาคณิตไม่ได้ยืนยันว่าขยายต้นฉบับเล็กแล้วจะได้ภาพที่ยอมรับได้ งานศึกษาขนาดภาพแกลเลอรีที่เกี่ยวข้องตอบเรื่องขนาด ส่วนการเปรียบเทียบนี้เพิ่มคำถามเรื่องวัตถุที่มีกรอบกำกับอยู่ครบหรือไม่
เมื่อภาพครอปถูกส่งกลับมาแก้ ให้แนบกรอบที่ตั้งใจใช้และระบุสิ่งที่ต้องเก็บ แล้วตัดสินใจว่าจะลองตำแหน่งอื่น เลือกต้นฉบับที่อนุมัติอื่น หรือขออนุญาตเปลี่ยนเลย์เอาต์หรือโจทย์งาน การเปรียบเทียบนี้ช่วยแยกทางเลือกให้ชัด แต่ชิ้นงานจริง สิทธิในการใช้ และการนำเสนอสุดท้ายยังต้องตรวจแยกกัน
หมายเหตุการวิจัย
- COCO Consortium เอกสารดาวน์โหลดอย่างเป็นทางการและข้อมูลกำกับชุดฝึก/ตรวจสอบรุ่น 2017 ชุดตรวจสอบระบุ 5,000 ภาพ “2017” หมายถึงรุ่นที่เผยแพร่ ไม่ใช่ปีที่ถ่ายภาพ Influence IQ ได้รับข้อมูลกำกับ instances_val2017.json ครบทั้งไฟล์เมื่อวันที่ 24 ตุลาคม 2026 (UTC) โดยไม่มีพิกเซลภาพ แพ็กเกจสาธารณะบันทึก URL ต้นทาง ชื่อไฟล์ภายใน และค่า SHA256 ที่แน่นอน
- Lin และคณะ, Microsoft COCO: Common Objects in Context ชุดข้อมูลออกแบบเพื่อศึกษาวัตถุในบริบทและฉากที่ไม่ได้แสดงวัตถุเดี่ยวอย่างชัดเจน รวมถึงภาพที่มีหลายวัตถุ การรวบรวมเพื่อวิจัยนี้ไม่ได้ยืนยันว่าเป็นตัวแทนของแค็ตตาล็อกสินค้า ไฟล์ครีเอเตอร์ โพสต์ Instagram หรือแคมเปญเชิงพาณิชย์ปัจจุบัน
- COCO Consortium รูปแบบข้อมูลกำกับวัตถุรายชิ้น กรอบใช้พิกัดภาพ x, y, ความกว้าง และความสูง โดย iscrowd แยกข้อมูลกำกับแบบกลุ่มรวม (crowd) หน่วยหลักที่กำหนดไว้รวมกรอบที่ไม่ใช่แบบกลุ่มรวมทั้งหมดของหมวดที่เลือกหนึ่งหมวดในภาพหนึ่งภาพ ข้อมูลแบบกลุ่มรวมถูกคัดออกและนับแยก การเก็บกรอบครบไม่ได้วัดพิกเซลวัตถุที่เหลือ การจดจำ ความอ่านง่าย หรือคุณภาพภาพ
- การคำนวณ Influence IQ ซึ่งกำหนดก่อนคำนวณผลครอป: กระเป๋าถือ ขวด ถ้วย แล็ปท็อป และโทรศัพท์มือถือ; อัตราส่วน 1:1, 4:5 และ 9:16; กรอบครอปใหญ่ที่สุดที่ขนานกับแกนและอยู่ในภาพ; ตรงกลางก่อน แล้วตรวจความเป็นไปได้จากการเลื่อน กรอบที่ไม่ใช่แบบกลุ่มรวมทั้งหมดที่เลือกไว้เป็นกลุ่มหลัก และตรวจแต่ละกรอบที่ถูกต้องแยกด้วย เศษส่วนที่แน่นอนรักษาพิกัดทศนิยมต้นทาง และนับขอบที่แตะกัน แพ็กเกจเก็บข้อมูลกลุ่ม/อัตราส่วนครบ 4,374 แถว สรุปทั้ง 30 แถว ขอบเขตข้อมูล รายการคัดออก และโค้ดทำซ้ำผล ไม่ได้รับภาพถ่ายต้นฉบับ
- Zhang, Leszczuk, Miglino และ Ye, Automatic Adaptive Image Cropping to Preserve Regions of Interest, Technical Disclosure Commons (2022) งานเปิดเผยก่อนหน้านี้พิจารณาเปรียบเทียบพื้นที่สนใจกับขนาดกรอบครอปทางเลือก เพื่อเก็บพื้นที่นั้นไว้ตามอัตราส่วนแล้ว ในที่นี้ไม่ได้เสนอการตรวจความเป็นไปได้ด้วยการเลื่อนเป็นอัลกอริทึมใหม่
- Christensen และ Vartakavi, An Experience-based Direct Generation approach to Automatic Image Cropping งานนี้เปรียบเทียบการครอปอัตราส่วนคงที่กับภาพครอปที่บรรณาธิการทำ และมีกรอบตรงกลางขนาดใหญ่ที่สุดที่อยู่ในภาพเป็นฐานเปรียบเทียบ ตัวชี้วัดความตรงกับบรรณาธิการต่างจากการเก็บกรอบข้อมูลกำกับครบของเรา ใช้เป็นบริบทงานก่อนหน้า ไม่ใช่การรับรองบริการครอปเชิงพาณิชย์
- Liu และคณะ, PixMIM: Rethinking Pixel Reconstruction in Masked Image Modeling (2023) งานนี้ตรวจพื้นที่วัตถุส่วนหน้าที่เหลือหลังเตรียมภาพ รวมการครอปตรงกลาง โดยใช้ชุดข้อมูล มาสก์ และผลลัพธ์คนละแบบ เป็นหลักฐานก่อนหน้าว่าขั้นตอนครอปอาจตัดส่วนหน้าภาพออก แต่จำนวนกรอบที่อยู่ครบของเราไม่ใช่ตัวชี้วัดพื้นที่พิกเซลเดียวกัน
- ที่มา: COCO Consortium ข้อมูลกำกับชุดตรวจสอบ COCO2017 ภายใต้ CC BY 4.0 การคัดเลือก การคำนวณเรขาคณิต ตาราง การตีความ และคำแปลเป็นงานดัดแปลงโดย Influence IQ ไม่ได้สื่อว่าผู้จัดทำต้นทางรับรอง COCO แยกสิทธิในข้อมูลกำกับออกจากลิขสิทธิ์ภาพ Flickr ต้นฉบับ ไม่ได้รับหรือแจกจ่ายภาพถ่ายต้นทาง ภาพประกอบแนวคิดต้นฉบับไม่ใช่ภาพ COCO
บทความภาษาอังกฤษเป็นต้นทางของทุกภาษา ทุกฉบับอธิบายชุดข้อมูลกำกับ COCO หมวดหมู่ อัตราส่วน และการคำนวณชุดเดิม ภาษาของบทความไม่ได้สร้างหลักฐานเกี่ยวกับตลาดใหม่ Influence IQ รับผิดชอบการคัดเลือก วิเคราะห์ ตีความ และแปล