Linawin kung ano ang dapat manatili bago ilipat ang crop
Maaaring maputol sa gitna ang paksang kasya naman sa ibang puwesto. Sa aming paghahambing gamit ang mga anotasyon ng larawan, inihiwalay namin ito sa mga kasong hindi talaga magkakasya ang lahat ng kailangang kahon, para umayon sa brief ang susunod na pasya.
Deskriptibong paghahambing ng geometry gamit ang mga anotasyon sa validation set ng COCO2017: 1,458 kaso ng larawan/kategorya sa 5 nakapirming kategorya at 3 ratio, kasama ang hiwalay na pagsusuri sa 2,941 indibidwal na kahon. Hindi ito bilang ng magkakaibang larawan. Nakuha ang datos ng anotasyon noong Oktubre 24, 2026 (UTC); walang kinuhang litrato.
Abstrak
Maaaring mapanatili sa paglipat ng crop ang mga paksang napuputol sa gitna, kung magkakasya ang buong kailangang grupo. Tukuyin muna kung ano ang dapat manatili. Sinubukan namin ang pinakamalaking crop na kasya sa loob ng larawan sa 1:1, 4:5 at 9:16, gamit ang parehong mga kaso ng larawan/kategorya sa validation set ng COCO. Kailangang manatili ang bawat kahon ng anotasyon na hindi crowd sa piniling kategorya. Para sa mga bote sa 9:16, napanatili ng gitnang crop ang lahat ng kahon sa 130 sa 379 kaso; may ibang puwestong makapagpapanatili sa mga ito sa isa pang 199 kaso; hindi nagkasya ang 50 sa paglipat lamang.[1][3][4]
Mas mahigpit ang brief na ito kaysa sa pagpapanatili ng isang bagay. Sa hiwalay na pagsusuri, 3 lamang sa 1,013 indibidwal na kahon ng bote ang hindi nagkasya sa 9:16. Nasa ibaba ang dalawang kumpletong talahanayan. Mga resulta ito tungkol sa kahon ng anotasyon sa isang dataset para sa pananaliksik, hindi sukat ng nawawalang pixel ng bagay, kabiguan ng komersyal na crop o pagtataya sa kampanya. Ang ambag ay isang magkaparis at nasusuring paghahambing na naghihiwalay sa pagsubok ng ibang puwesto at pagpili ng ibang materyal, layout o tahasang binagong brief.
Maaaring sapat ang pixel ng aprubadong larawan para sa portrait export, pero kulang ang puwang para sa lahat ng hinihingi ng brief. Iginigitna ng creator ang frame, napapansing nawawala ang produkto sa gilid at nagtatanong tungkol sa rebisyon. Kailangang magpasya ngayon ang namamahala sa kliyente kung ibang crop o ibang komposisyon ang kailangan.
Magkaibang pasya ang mga iyon. Hindi patunay ang pagkakaputol sa gitna na hindi kasya ang mga paksa sa ibang puwesto. Hindi rin kayang lutasin ng paglipat ang lahat ng pagkakaayos. Kung mas malawak o mas mataas ang sakop ng mga kailangang paksa kaysa sa kaya ng napiling crop, kailangang balikan ng team ang materyal, layout o hinihinging kondisyon.
Sinuri namin ang pagkakaibang ito gamit ang dati nang mga anotasyon para sa pananaliksik, nang hindi kinukuha ang mga litrato. Ang resulta ay paghahambing ng mga posibleng ayos ayon sa geometry, kasunod ang kathang-isip na halimbawa sa produksyon at isang brief na puwedeng kopyahin. Mas tiyak itong batayan sa pagpapasa ng trabaho kaysa sa “gawing portrait,” habang nasa mga responsable sa aktuwal na larawan pa rin ang pag-apruba sa creative.
Kailangan pa ring suriin ang pagkakasya sa ibang puwesto
Magsimula sa mga paksang kailangang manatili ayon sa brief
Gumagamit ang paghahambing ng mga kategoryang handbag, bote, tasa, laptop at cell phone na may mga nakatalang parihabang kahon. Pinagsasama ng pangunahing kaso ang lahat ng kahong hindi crowd sa isang kategorya sa isang larawan. Kung maraming bote sa larawan, kailangang manatili sa loob ng crop ang lahat ng kahon ng mga boteng iyon. Hindi kabilang sa kasong iyon ang mga bagay mula sa ibang kategorya.[3]
Sadyang malinaw ang kondisyong ito. Maaaring tukuyin ng komersyal na brief ang isang pangunahing bote at payagang mawala ang mga bote sa likuran. Hindi namin ginagawa ang pagpiling iyon para sa creative team sa pangunahing pagsusuri. Tinatanong namin kung ano ang mangyayari kapag kailangang manatili ang lahat ng magkakategoryang bagay, saka nagbibigay ng hiwalay na pagsusuri sa bawat kahon para manatiling malinaw ang mas mahigpit na kondisyon.
Sa bawat ratio, ginamit namin ang pinakamalaking crop na ang mga gilid ay kahilera ng mga axis ng orihinal na larawan at kasya sa loob nito. Inilagay muna ito sa gitna. Kung hindi nito nasasakop ang buong kailangang grupo, sinuri namin kung may puwesto sa loob ng orihinal kung saan kakasya ang grupo sa parehong crop. Walang idinagdag na nilalaman, pag-ikot ng larawan o pagbabago ng sukat sa alinmang hakbang.[4]
Kaya magkaibang tanong ang sinasagot ng 3 resulta. Ang “Kasya ang lahat ng kahon sa gitna” ay nangangahulugang pumasa ang unang puwesto. Ang “Maaaring magkasya ang lahat kung ililipat” ay nangangahulugang hindi pumasa sa gitna ngunit may ibang posibleng puwesto ayon sa geometry. Ang “Walang puwestong magkakasya ang lahat” ay nangangahulugang hindi sapat ang paglipat lamang ng crop para matugunan ang nakapirming kondisyon. Itinuring na nasa loob ang kahong dumadampi sa hangganan ng crop.
Anotasyon ang kahon, hindi sukat ng bawat nakikitang pixel ng produkto. Maaaring kasama rito ang background, tumukoy ito sa bagay na bahagyang natatakpan, o wala itong masabi tungkol sa pagkabasa ng label. Pagkakasya lamang ng buong kahon ang pinatutunayan ng pagpasa. Sa aktuwal na review, kailangan pa ring tingnan ang nilalayong produkto, nakapaligid na konteksto at impormasyong dapat maiparating ng creative.
Maraming naputol sa gitna ang may iba pang posibleng puwesto
Pinananatili ng unang talahanayan ang lahat ng 5 kategorya at 3 ratio sa nakapirming pagkakasunod ng pagsusuri. Pareho ang mga kwalipikadong kaso ng larawan/kategorya sa bawat ratio sa loob ng isang kategorya. Basahin ang batayang bilang kasabay ng 3 bilang ng resulta; hindi inayos ang mga hanay para ipahiwatig kung aling produkto ang mas madaling kunan o mas angkop sa advertising.
Sa 9:16, malinaw sa grupo ng mga bote ang pangunahing pagkakaiba. Sa 379 kaso, napanatili ng gitnang crop ang lahat ng kahon ng bote sa 130. Hindi pumasa sa gitna ang isa pang 199, ngunit may puwestong makapagpapanatili sa lahat ng kahon kapag inilipat ang crop. Hindi matugunan ng natitirang 50 ang kondisyong panatilihin ang lahat ng bote sa paglipat lamang. Kapag pinagsama ang huling 2 bilang, matatakpan ang pasyang sadyang inihihiwalay ng paghahambing.
Makikita rin ang pagkakaiba sa ibang halimbawa. Sa 4:5, pumasa sa gitna ang 151 sa 292 kaso ng handbag, may iba pang puwestong maaaring pumasa sa 108, at hindi nagkasya ang 33. Para sa tasa sa 1:1, ang katumbas na mga bilang ay 239, 128 at 23 mula sa 390. Nasa talahanayan ang lahat ng iba pang kombinasyon sa halip na pumili lamang ng mga bilang para sa headline.
Posibilidad ang “Maaaring magkasya kung ililipat,” hindi ulat na nahanap ng isang editor o awtomatikong crop service ang puwestong iyon. Sinuri sa pamamagitan ng matematika ang pinahihintulutang saklaw ng puwesto. Hindi nito sinubukan ang mga default ng software, niranggo ang mga alternatibong komposisyon o tiningnan kung ano ang magiging hitsura ng inilipat na crop para sa manonood.
Para sa gumagawa ng materyal, nagbibigay ang gitnang column ng dahilan para panatilihing magagamit ang orihinal habang nagre-review. Hindi kailangang matapos ang paghahanap kapag tinanggihan ang nakagitnang preview. Ibang usapan naman ang hinihingi ng huling column: kung hindi magkakasya ang eksaktong mga kailangang kahon, hindi matutugunan ang brief na iyon sa paulit-ulit na paglipat ng parehong frame.
Panatilihin ang bawat kahon ng kategorya: lahat ng resulta ng grupo
Isang larawan at kategorya ang isang kaso, kasama ang bawat kahong hindi crowd sa kategoryang iyon. Parehong kwalipikadong mga kaso ang inihahambing sa bawat ratio. Binibilang lamang na maaaring magkasya kung ililipat kapag hindi kasya sa gitna ngunit may ibang puwesto sa loob ng orihinal na makapagpapanatili sa lahat ng kailangang kahon.
| Kategorya at target ratio | Mga kwalipikadong kaso | Kasya ang lahat ng kahon sa gitna | Maaaring magkasya ang lahat kung ililipat | Walang puwestong magkakasya ang lahat |
|---|---|---|---|---|
| Mga handbag · 1:1 | 292 | 170 | 104 | 18 |
| Mga handbag · 4:5 | 292 | 151 | 108 | 33 |
| Mga handbag · 9:16 | 292 | 89 | 151 | 52 |
| Mga bote · 1:1 | 379 | 219 | 144 | 16 |
| Mga bote · 4:5 | 379 | 189 | 158 | 32 |
| Mga bote · 9:16 | 379 | 130 | 199 | 50 |
| Mga tasa · 1:1 | 390 | 239 | 128 | 23 |
| Mga tasa · 4:5 | 390 | 190 | 163 | 37 |
| Mga tasa · 9:16 | 390 | 120 | 203 | 67 |
| Mga laptop · 1:1 | 183 | 68 | 89 | 26 |
| Mga laptop · 4:5 | 183 | 53 | 92 | 38 |
| Mga laptop · 9:16 | 183 | 29 | 84 | 70 |
| Mga cell phone · 1:1 | 214 | 161 | 44 | 9 |
| Mga cell phone · 4:5 | 214 | 131 | 70 | 13 |
| Mga cell phone · 9:16 | 214 | 93 | 98 | 23 |
Ibang tanong ang pagpapanatili ng isang bagay
Sapat ang laki ng pagkakaiba ng grupo at isang bagay para ilagay ito sa tabi ng pangunahing resulta. Sa 9:16, hindi nagkasya ang 50 sa 379 kaso ng larawan/kategorya ng bote sa paglipat lamang. Sa hiwalay na pagsusuri sa bawat bagay, 3 lamang sa 1,013 indibidwal na kahon ng bote ang hindi nagkasya. Magkaiba ang batayang bilang at kondisyon; hindi mapagpapalit ang mga bilang na ito bilang rate ng kabiguan.
Inilalapat ng ikalawang talahanayan ang parehong geometry sa bawat wastong kahong hindi crowd, nang paisa-isa. Ang larawang may maraming bote ay nag-aambag dito ng maraming indibidwal na bote, samantalang isang grupo lamang ng bote ang ambag nito sa itaas. Bawat kahon ay isinasaalang-alang nang hiwalay. Hindi nito ipinapakitang magkakasabay na magagawa sa iisang crop ang lahat ng indibidwal na puwestong iyon.
Para sa mga handbag, may puwestong kakasya ang bawat indibidwal na kahon sa bawat isa sa 3 ratio, ngunit may mga grupong kailangang panatilihin ang lahat ng handbag na hindi nagkasya. Kaayon ito ng simpleng limitasyon sa geometry: maaaring masyadong magkakalayo ang ilang paksang kayang magkasya nang paisa-isa para magkasama silang magkasya. Hindi nito tinutukoy kung bakit ganoon ang ayos ng orihinal na eksena o kung ano ang dapat itampok sa kampanya.
Ipinapakita rin ng laptop kung bakit hindi garantiya ang indibidwal na pagsusuri. Sa 9:16, hindi nagkasya ang 60 sa 231 indibidwal na kahon ng laptop sa paglipat lamang. Iba ang ibang hanay, at pinananatili ang lahat sa kumpletong talahanayan ng hiwalay na pagsusuri. Hindi namin kinontrol ang anggulo ng camera, hugis ng bagay, oryentasyon ng orihinal o komposisyon ng eksena, kaya hindi matutukoy ang sanhi mula sa paghahambing ng mga kategorya.
Maaaring gamitin ng team ang pagkakaibang ito para linawin ang hiling na rebisyon. Ang “panatilihin ang produkto” ba ay isang tinukoy na pangunahing bagay, bawat bagay sa isang set, o bawat ganoong bagay saanman sa eksena? Nagbabago ang kondisyon ng creative kapag nagbago ang sagot. Dapat itong napagkasunduang pasya, hindi tahimik na pagluluwag ng kondisyon para lamang pumasa ang crop.
Panatilihin ang isang kahon sa bawat pagsusuri: kumpletong hiwalay na mga resulta
Bawat wastong indibidwal na kahon na hindi crowd ay sinusuri nang hiwalay. Maaaring mag-ambag ng maraming kahon ang maraming bagay sa isang larawan, ngunit isinasaalang-alang ang bawat isa nang mag-isa; hindi kailangang magkakasabay na gumana sa iisang crop ang kani-kanilang posibleng puwesto.
| Kategorya at target ratio | Mga kwalipikadong kahon | Kasya ang kahon sa gitna | Maaaring magkasya ang kahon kung ililipat | Walang puwestong magkakasya ang kahon |
|---|---|---|---|---|
| Mga handbag · 1:1 | 540 | 353 | 187 | 0 |
| Mga handbag · 4:5 | 540 | 316 | 224 | 0 |
| Mga handbag · 9:16 | 540 | 203 | 337 | 0 |
| Mga bote · 1:1 | 1,013 | 754 | 259 | 0 |
| Mga bote · 4:5 | 1,013 | 681 | 332 | 0 |
| Mga bote · 9:16 | 1,013 | 513 | 497 | 3 |
| Mga tasa · 1:1 | 895 | 659 | 236 | 0 |
| Mga tasa · 4:5 | 895 | 559 | 336 | 0 |
| Mga tasa · 9:16 | 895 | 419 | 466 | 10 |
| Mga laptop · 1:1 | 231 | 107 | 107 | 17 |
| Mga laptop · 4:5 | 231 | 79 | 126 | 26 |
| Mga laptop · 9:16 | 231 | 43 | 128 | 60 |
| Mga cell phone · 1:1 | 262 | 204 | 50 | 8 |
| Mga cell phone · 4:5 | 262 | 172 | 83 | 7 |
| Mga cell phone · 9:16 | 262 | 124 | 126 | 12 |
Suriin ang bawat frame bilang sariling komposisyon
Nakapirming mga hugis para sa pagsusuri ang 1:1, 4:5 at 9:16; hindi ito pahayag ng kasalukuyang mga specification ng Instagram o inirerekomendang patakaran sa format. Sa trabaho ng pag-crop ng larawan sa Instagram, kumpirmahin ang nilalayong placement at mga kondisyon nito sa taong naghahanda ng export. Mas makitid ang tanong ng pag-aaral na ito: kung kasya ang mga paksa sa tinukoy na frame.
Nanatiling kwalipikado ang lahat ng oryentasyon ng orihinal. Magkaiba ang ugnayan ng landscape at matangkad na portrait na orihinal sa parehong target ratio: maaaring may putol sa lapad ang isa at sa taas naman ang isa pa. Kaya hindi palaging nasa loob ng isa't isa ang mga crop na sinubukan. Walang pangkalahatang tuntunin dito na ang paglipat mula square patungo sa mas matangkad na ratio ay magpapalala sa bawat indibidwal na kaso.
Magkaiba rin ang halo ng mga orihinal ayon sa kategorya. Kasama sa grupo ng handbag ang 210 landscape, 10 square at 72 portrait na kaso; sa laptop naman ay 157, 2 at 24. Mga bilang ito ng saklaw ng datos, hindi paghahambing na iniakma para sa mga pagkakaiba. Pinanatili namin ang halo sa halip na salain para sa landscape matapos makita ang resulta, ngunit hindi nito ginagawang maihahambing na komersyal na populasyon ang mga kategorya.
Sa aktuwal na trabaho, suriin nang hiwalay ang bawat kailangang komposisyon. Ang pag-apruba sa square ay hindi awtomatikong pag-apruba sa portrait. Hindi rin patunay ang hindi pagpasa sa isang ratio na hindi papasa ang ibang aprubadong layout. Tinutukoy ng kapaki-pakinabang na rekord ang orihinal, kailangang mga paksa at eksaktong frame na sinuri, para maunawaan ng susunod na tao ang saklaw ng pag-apruba.
Nililinaw ng kathang-isip na trabahong may 2 bote ang pagpili
Isipin ang isang maliit na brand ng inumin na humihiling sa creator na gawing 4:5 portrait na komposisyon ang aprubadong landscape na larawan. Ang imbentong orihinal ay 1,600 pixel ang lapad at 900 pixel ang taas. Ang pinakamalaking 4:5 crop nito ay 720 por 900 pixel. Kathang-isip ang brand, larawan, coordinate at trabahong ito; hindi ito obserbasyon sa COCO o nasukat na resulta ng produksyon.
Ipagpalagay na ang kailangang kahon ng bote ay mula horizontal coordinate 100 hanggang 400 at vertical coordinate 100 hanggang 800. Ang nakagitnang crop ay mula horizontal coordinate 440 hanggang 1,160, kaya hindi nito nasasakop ang kahon. Kapag inilipat ang simula ng crop sa 100, sakop nito ang horizontal coordinate 100 hanggang 820 at kasya na ang buong imbentong kahon. Puwesto ang orihinal na problema rito.
Magdagdag ngayon ng ikalawang kailangang kahon ng bote mula horizontal coordinate 1,000 hanggang 1,300, na may parehong saklaw sa taas. Magkasamang umaabot sa 1,200 pixel ang 2 kahon sa pahalang na direksiyon. Hindi magkakasya ang dalawa sa crop na 720 pixel ang lapad sa pamamagitan lamang ng paglipat nito. Kasya ang bawat isa nang hiwalay; ang kondisyong panatilihin silang dalawa ang lumilikha ng problema.
May ilang pagpipiliang puwedeng talakayin ng namamahala sa kliyente at ng creator. Maaari silang pumili ng ibang aprubadong larawan na mas magkalapit ang dalawa, gumamit ng layout na naglalagay ng buong orihinal na may padding, o itanong kung dapat bang isang tinukoy na pangunahing bote lamang ang itampok ng brief. Mga mungkahi ito para sa produksyon, hindi mga benepisyong nasubukan sa aming pagsusuri ng anotasyon.
Kung kailangan ng brand ang parehong bote, binabago ang trabaho kapag inalis ang isa nang walang pag-apruba. Kung pangunahing bote lamang ang kailangan, maaaring dagdag na hindi kailangang limitasyon ang pagpapanatili ng lahat ng bote sa likuran. Hindi mapagpapasyahan ng paghahambing kung aling mensahe ang tama. Ang halaga nito sa halimbawang ito ay ang pagpapakita kung aling kondisyon ang kaya at hindi kayang matugunan ng crop.
Matapos magkasundo sa isang bersiyon, kailangan pa rin itong makita ng reviewer sa nilalayong laki ng presentasyon. Ang pagkakasya ng dalawang kahon ay walang sinasabi tungkol sa nababasang packaging, natatakpang alok o alanganing balanse ng espasyo. Maaaring sagutin ng geometry ang tanong ng pagkakasya habang may natitira pang ibang pagsusuri sa creative at mga katotohanan.
Isama ang kondisyon ng crop sa pagpapasa ng trabaho
Maaaring dalhin ng maikling brief ang nawawalang pasya sa pagitan ng negosyo, photographer, designer at creator. Itabi ito kasama ng aprubadong orihinal sa halip na umasa sa mensaheng “kailangan ng portrait version.” Dapat tukuyin ng mga detalye kung ano ang dapat manatili, ano ang puwedeng magbago at sino ang maaaring mag-apruba ng pagbabago.
Kopyahin ang blangkong template na ito: “Aprubadong orihinal at bersiyon: __. Nilalayong placement at ratio ng frame: __. Mga tinukoy na paksa o grupong kailangang manatili: __. Mga detalyeng dapat manatiling nababasa: __. Maaaring ilipat ang crop: __. Maaaring magdagdag ng padding o pumili ng ibang aprubadong orihinal: __. Taong mag-aapruba ng binagong kondisyon: __. Sinuring bersiyon at petsa: __.” Pupunan ito ng team ayon sa aktuwal na trabaho, hindi ayon sa dataset na ito.
Dapat sapat ang linaw ng field ng kailangang paksa para magamit ito ng ibang tao. Magkaiba ang “parehong bote sa launch set” at “ang boteng pinakamalapit sa harap.” Maaaring kailanganin ng hiwalay na pagsusuri ang label, mukha o alok kahit kasya ang nakapaligid na kahon ng bagay. Hindi tinukoy ng mga orihinal na anotasyon ang mga komersyal na prayoridad na iyon.
Kapag naputol sa gitna ang isang kailangang paksa, suriin muna kung may ibang puwestong makapagpapanatili sa mga napagkasunduang paksa. Kung hindi magkakasya ang grupo, ibalik sa mag-aapruba ang pagpili ng materyal o komposisyon. Ang pagdadala ng pagkakaibang ito sa pagpapasa ng trabaho ay nagpapaliwanag sa dahilan ng rebisyon nang hindi inaangking natataya ng dataset kung ilang rebisyon ang maiiwasan ng team.
Inilalarawan ng mga hakbang sa ibaba ang iminungkahing pagkakasunod ng review. Ang padding sa huling eksena ay isang posibleng layout kapag hindi kayang panatilihin ng crop na puno ang frame ang parehong hugis. Hindi ito patunay na pinapayagan ang padding sa bawat placement o na mas mahusay ang magiging performance ng layout.
Dalhin ang kailangang mga paksa hanggang sa review ng crop
Pangalanan ang dapat manatili
Pagkasunduan ang kailangang mga paksa at detalye, kasama ang eksaktong bersiyon ng orihinal.
Suriin ang nilalayong frame
Suriin ang nakagitnang crop sa kailangang ratio, nang hiwalay sa laki ng export.
Subukan ang puwesto, saka lutasin ang pagkakasya
Kung hindi mapanatili ng paglipat ang buong kailangang grupo, pagkasunduan ang ibang materyal, layout o brief.
Suriin ang napagkasunduang bersiyon
Suriin ang aktuwal na komposisyon, mga detalyeng nababasa at saklaw ng pag-apruba.
Paano ginawa ang paghahambing gamit ang anotasyon
Dataset ang COCO para sa pananaliksik sa mga bagay sa konteksto, kabilang ang masisikip na eksena at maraming bagay. Hindi ito binuo bilang kinatawan ng mga komersyal na litrato ng produkto. Ginamit namin ang 2017 validation split ng mga anotasyon ng indibidwal na bagay, na tumutukoy sa 5,000 larawan. Ang pangalan ng split ay tumutukoy sa paglalabas nito, hindi sa taon ng pagkakakuha sa bawat litrato.[1][2]
Nakuha ang file ng anotasyon noong Oktubre 24, 2026 (UTC). Sinuri namin ang checksum ng buong file at pinanatili ang eksaktong pagkakakilanlan ng pinagmulan. Hindi namin kinuha, tiningnan o inuri ang mga litrato. Ginamit sa pagsusuri ang nakatalang sukat ng larawan, category ID, crowd flag at mga coordinate ng kahon; walang idinagdag na paghatol sa ganda o pagsukat ng pixel ng bagay.
Itinakda ang 5 kategorya, 3 ratio, kondisyon para sa buong grupo, hiwalay na pagsusuri sa bawat kahon at mga tuntunin ng pagbubukod bago kinalkula ang mga resulta ng crop. May 1,458 kwalipikadong kaso ng larawan/kategorya sa pangunahing pagsusuri. May 2,941 wastong kahon sa hiwalay na pagsusuri ng mga indibidwal na bagay. Maaaring lumitaw ang isang larawan sa higit sa isang kategorya, kaya hindi bilang ng magkakaibang litrato o magkakahiwalay na sampol mula sa populasyon ang kabuuan ng grupo.
Nagbukod kami ng 16 crowd annotation: 12 sa bote at 4 sa tasa. Walang piniling indibidwal na bagay na hindi crowd o pangunahing grupo na hindi tumugon sa idineklarang mga tuntunin ng pagiging wasto. May iba pang kategorya sa orihinal bukod sa nakapirming 5; hindi namin idinagdag ang mga iyon matapos makita ang resulta. Nanatili sa paghahambing sa bawat ratio ang lahat ng kwalipikadong kaso sa isang kategorya, gamit ang parehong batayang bilang.[3][4]
Sinuri ang mga coordinate bilang eksaktong fraction mula sa mga decimal token ng orihinal. Kasama sa pagkakasya ang pagdampi sa hangganan. Mga buong bilang ang nasa talahanayan, samantalang pinananatili ng mada-download na mga buod ang eksaktong fraction ng mga bilang. Inilalarawan ng kalkulasyon ang may-hanggang hanay na ito ng anotasyon; hindi kami nag-uulat ng confidence interval, pagtataya sa populasyon, pagtataya ng komersyal na kabiguan o sanhi at epekto ng kategorya.
- I-download ang 120 ipinakitang bilang (CSV)
- I-download ang lahat ng 1,458 kaso ng grupo sa lahat ng 3 ratio (CSV)
- I-download ang lahat ng 30 hanay ng buod ng grupo at indibidwal na kahon (CSV)
- I-download ang orihinal na anotasyon, paraan at code para sa muling pagkalkula (ZIP)
Walang kailangang pag-sign up. Kasama ang parehong kumpletong talahanayan at bawat kwalipikadong tala ng grupo at ratio. Nasa iisang package ang dokumentasyon ng paraan sa Ingles, eksaktong pagkakakilanlan ng pinagmulan ng anotasyon at code para sa muling pagkalkula. Hindi ibinibigay ng mga karapatan sa anotasyon ng COCO ang mga karapatan sa mga orihinal na litrato; walang muling ipinamahaging litrato.[8]
Gamitin ang paghahambing para magtanong nang mas tiyak tungkol sa rebisyon
Matagal nang problema sa pag-crop ang pagpapanatili ng isang rehiyon habang binabago ang aspect ratio. Sinuri na ng naunang mga pag-aaral kung kasya ang rehiyon sa napiling ratio, inihambing ang nakagitnang fixed-ratio crop sa pinili ng editor, at sinukat ang natitirang foreground sa ibang paraan ng pag-crop. Ang ambag namin ay ang nakapirming talaan ng magkaparis na mga kaso at ang pagkakaiba ng grupo at indibidwal na kahon, sa halip na bagong crop algorithm.[5][6][7]
Para sa sarili mong aprubadong larawan, ang maingat na manwal na review ng crop pa rin ang pinakadirektang sagot. Hindi masasabi ng talahanayan ng corpus kung aling bagay ang makatutulong sa pagbenta ng produkto, aling detalye sa background ang mahalaga o kung angkop sa pakiramdam ang napiling komposisyon. Maipapaliwanag nito kung bakit magkaibang tugon ang kailangan sa “naputol sa gitna” at “walang puwestong magkakasya ang buong kailangang grupo.”
Ihiwalay rin ang tanong na ito sa sukat ng pixel. Maaaring sapat ang laki ng orihinal para sa export ngunit masyadong magkakalayo ang kailangang mga paksa. Sa kabilang banda, hindi patunay ang pagkakasya ayon sa geometry na magiging katanggap-tanggap ang pagpapalaki sa maliit na orihinal. Tinutugunan ng kaugnay naming pag-aaral sa laki ng mga larawan sa gallery ang tanong ng sukat; idinadagdag ng paghahambing na ito ang tanong ng pagkakasya ng mga paksang may anotasyon.
Kapag bumalik para sa rebisyon ang crop, ilakip ang nilalayong frame at pangalanan kung ano ang dapat manatili. Saka magpasya kung susubok ng ibang puwesto, pipili ng ibang aprubadong orihinal o babaguhin ang layout o brief nang may pahintulot. Nagbibigay ang paghahambing ng konkretong pagkakaiba para sa usapang iyon. Kailangan pa ring suriin nang bukod ang aktuwal na creative, mga karapatan nito at panghuling presentasyon.
Mga tala sa pananaliksik
- COCO Consortium, opisyal na dokumentasyon sa pag-download ng datos at 2017 release ng train/validation annotations. Tinutukoy ng validation split ang 5,000 larawan. Pangalan ng release ang “2017,” hindi taon ng pagkuha sa mga litrato. Nakuha ng Influence IQ ang buong annotation member na instances_val2017.json noong Oktubre 24, 2026 (UTC), nang walang mga pixel ng larawan. Nakatala sa pampublikong package ang orihinal na URL, pangalan ng member at eksaktong SHA256.
- Lin at mga kasama, Microsoft COCO: Common Objects in Context. Dinisenyo ang dataset para sa mga bagay sa konteksto at mga eksenang hindi nakatuon lamang sa isang karaniwang malinaw na paksa, kabilang ang maraming bagay. Hindi patunay ang koleksiyong pangpananaliksik nito na kinakatawan nito ang mga product catalog, materyal ng creator, post sa Instagram o kasalukuyang komersyal na kampanya.
- COCO Consortium, format ng anotasyon ng bawat indibidwal na bagay. Gumagamit ang mga kahon ng x, y, lapad at taas sa coordinate ng larawan; ibinubukod ng iscrowd ang crowd annotations. Kasama sa nakapirming pangunahing yunit ang bawat kahong hindi crowd sa isang piniling kategorya sa isang larawan. Hindi kasama ang crowd annotations at hiwalay ang bilang ng mga ito. Hindi sinusukat ng pagkakasya ng buong kahon ang natitirang pixel ng bagay, pagkilala, pagkabasa o biswal na kalidad.
- Mga kalkulasyon ng Influence IQ, itinakda bago ang resulta ng crop: handbag, bote, tasa, laptop at cell phone; ratio na 1:1, 4:5 at 9:16; pinakamalaking crop sa loob ng larawan na kahilera ng mga axis; gitna muna, saka posibilidad ng paglipat. Ang lahat ng piniling kahong hindi crowd ang bumubuo sa pangunahing grupo; hiwalay ding sinuri ang bawat wastong indibidwal na kahon. Pinananatili ng eksaktong fraction ang mga decimal coordinate ng orihinal, kabilang ang pagdampi sa hangganan. Nasa package ang lahat ng 4,374 hanay ng grupo at ratio, lahat ng 30 buod, saklaw, pagbubukod at code para sa muling pagkalkula. Walang kinuhang orihinal na litrato.
- Zhang, Leszczuk, Miglino at Ye, Automatic Adaptive Image Cropping to Preserve Regions of Interest, Technical Disclosure Commons (2022). Sinusuri na ng naunang paglalahad na ito ang paghahambing ng rehiyong mahalaga at mga posibleng sukat ng crop para mapanatili ito sa isang aspect ratio. Hindi ipinakikilala rito bilang bagong algorithm ang posibilidad ng paglipat.
- Christensen at Vartakavi, An Experience-based Direct Generation approach to Automatic Image Cropping. Inihahambing ng papel ang mga fixed-ratio crop sa ginawa ng mga editor at kabilang dito ang pinakamalaking nakagitnang crop na kasya bilang baseline. Iba ang mga sukatan nito ng pagkakatugma sa editor sa pagkakasya ng buong kahon ng anotasyon sa paghahambing na ito. Konteksto ito mula sa naunang pananaliksik, hindi pagpapatunay sa isang komersyal na crop service.
- Liu at mga kasama, PixMIM: Rethinking Pixel Reconstruction in Masked Image Modeling (2023). Sinusuri ng papel ang saklaw ng foreground sa paghahanda ng larawan, kabilang ang center crop, gamit ang ibang dataset, mask at resulta. Naunang ebidensiya ito na maaaring mag-alis ng foreground ang mga proseso ng pag-crop; hindi dapat basahin ang aming bilang ng pagkakasya ng kahon bilang kaparehong sukatan ng saklaw ng pixel.
- Pinagmulan: COCO Consortium, mga anotasyon sa validation set ng COCO2017, na may lisensiyang CC BY 4.0. Mga adaptasyon ng Influence IQ ang pagpili, mga kalkulasyon sa geometry, talahanayan, interpretasyon at pagsasalin; walang ipinahihiwatig na pag-endorso. Ibinubukod ng COCO ang lisensiya ng anotasyon sa hiwalay na copyright ng orihinal na mga larawan sa Flickr. Walang kinuhang o muling ipinamahaging orihinal na litrato. Hindi larawan ng COCO ang orihinal na konseptuwal na likhang-sining.
Ang artikulo sa Ingles ang pinagmulan ng lahat ng bersiyon sa ibang wika. Parehong nakapirming hanay ng anotasyon ng COCO, mga kategorya, ratio at kalkulasyon ang inilalarawan ng bawat edisyon. Hindi nagiging ebidensiya tungkol sa bagong merkado ang pagbabago ng wika ng artikulo. Responsable ang Influence IQ sa pagpili, pagsusuri, interpretasyon at pagsasalin.