Xác định những gì phải giữ lại khi cắt ảnh trước khi dịch chuyển khung
Khung cắt đặt giữa ảnh có thể cắt mất chủ thể dù chủ thể đó vẫn vừa ở vị trí khác trong khung. Phép đối sánh của chúng tôi trên ảnh có chú thích phân biệt khả năng này với những trường hợp các khung bao bắt buộc không thể cùng nằm vừa, để quyết định tiếp theo bám sát bản yêu cầu.
Phép đối sánh hình học mang tính mô tả sử dụng chú thích của tập kiểm định COCO2017: 1.458 trường hợp ảnh/danh mục thuộc 5 danh mục cố định và 3 tỷ lệ, cùng một phép kiểm tra độ nhạy riêng trên 2.941 đối tượng. Số trường hợp không phải số ảnh riêng biệt. Dữ liệu chú thích được thu thập ngày 24 tháng 10 năm 2026 (UTC); không thu thập ảnh.
Tóm tắt
Dịch chuyển khung cắt có thể giữ lại những chủ thể mà khung đặt giữa ảnh cắt mất, miễn là nhóm bắt buộc có thể nằm vừa. Trước hết, hãy xác định những gì phải giữ lại. Chúng tôi thử nghiệm khung cắt lớn nhất nằm trong ảnh ở các tỷ lệ 1:1, 4:5 và 9:16 trên cùng các trường hợp ảnh/danh mục của tập kiểm định COCO, với yêu cầu giữ mọi khung bao chú thích không gắn cờ đám đông trong từng danh mục đã chọn. Với chai ở tỷ lệ 9:16, 130 trong 379 trường hợp giữ được mọi khung bao khi đặt giữa ảnh; thêm 199 trường hợp có thể giữ được sau khi dịch chuyển khung; 50 trường hợp không thể nằm vừa nếu chỉ dịch chuyển khung.[1][3][4]
Yêu cầu đó nghiêm ngặt hơn việc giữ một vật thể. Trong phép kiểm tra riêng, chỉ 3 trong 1.013 khung bao chai riêng lẻ không thể nằm vừa ở tỷ lệ 9:16. Cả 2 bảng đầy đủ đều có bên dưới. Đây là kết quả về khung bao chú thích từ một tập dữ liệu nghiên cứu, không phải phép đo số pixel vật thể bị mất, số lần cắt ảnh thương mại không đạt hay dự báo chiến dịch. Đóng góp của nghiên cứu là một phép so sánh theo cặp có thể kiểm tra, giúp phân biệt khi nào nên thử vị trí cắt khác và khi nào nên chọn tư liệu, bố cục khác hoặc sửa bản yêu cầu một cách rõ ràng.
Một ảnh đã được duyệt có thể có đủ pixel để xuất ảnh dọc nhưng lại không đủ chỗ cho mọi thứ trong bản yêu cầu. Nhà sáng tạo đặt khung ở giữa, thấy một sản phẩm biến mất ở mép và gửi câu hỏi về việc sửa ảnh. Người phụ trách khách hàng lúc này phải quyết định ảnh cần đổi vị trí cắt hay đổi bố cục.
Đó là 2 quyết định khác nhau. Việc đặt khung giữa ảnh làm mất chủ thể không chứng minh rằng chúng không thể nằm vừa ở vị trí khác. Đồng thời, dịch chuyển khung cũng không giải quyết được mọi cách sắp xếp. Nếu các chủ thể bắt buộc chiếm chiều rộng hoặc chiều cao lớn hơn khung cắt cho phép, nhóm cần xem lại tư liệu, bố cục hoặc yêu cầu.
Chúng tôi xem xét sự khác biệt đó bằng các chú thích nghiên cứu sẵn có, không thu thập ảnh. Kết quả là một phép đối sánh về các khả năng hình học, tiếp theo là ví dụ sản xuất giả định và bản yêu cầu bạn có thể sao chép. Cách này giúp bàn giao cụ thể hơn câu “chuyển sang ảnh dọc”, đồng thời giữ quyền duyệt sáng tạo ở những người chịu trách nhiệm về ảnh thực tế.
Đổi vị trí vẫn cần kiểm tra độ vừa

Bắt đầu từ những chủ thể bản yêu cầu phải giữ lại
Phép đối sánh xem túi xách, chai, cốc, máy tính xách tay hoặc điện thoại di động là các danh mục có khung bao hình chữ nhật được chú thích. Một trường hợp chính gộp mọi khung bao không gắn cờ đám đông của một danh mục trong một ảnh. Nếu ảnh có nhiều chai, phép kiểm tra yêu cầu tất cả các khung bao chai đó đều nằm trong khung cắt. Vật thể thuộc danh mục khác không được tính vào trường hợp đó.[3]
Yêu cầu này được nêu rõ có chủ đích. Một bản yêu cầu thương mại có thể chỉ định một chai chủ đạo và cho phép các chai ở nền biến mất. Phép kiểm tra chính của chúng tôi không thay nhóm sáng tạo đưa ra lựa chọn đó. Nó xem xét điều gì xảy ra khi phải giữ tất cả vật thể cùng danh mục, rồi cung cấp phép kiểm tra riêng từng khung bao để yêu cầu nghiêm ngặt hơn luôn được thể hiện rõ.
Với mỗi tỷ lệ, chúng tôi dùng khung cắt lớn nhất có các cạnh song song với trục ảnh và nằm trọn trong khung gốc. Trước tiên, chúng tôi đặt khung ở giữa ảnh. Nếu vị trí đó không chứa trọn nhóm bắt buộc, chúng tôi kiểm tra xem có thể dịch chuyển chính khung cắt đó đến vị trí nào khác trong ảnh gốc để chứa cả nhóm hay không. Cả 2 bước đều không thêm nội dung, không xoay, phóng to hay thu nhỏ ảnh.[4]
Vì vậy, 3 kết quả trả lời các câu hỏi khác nhau. “Đặt giữa ảnh giữ được mọi khung bao” nghĩa là vị trí đầu tiên đạt yêu cầu. “Dịch chuyển có thể giữ được mọi khung bao” nghĩa là vị trí giữa ảnh không đạt nhưng có vị trí khác khả thi về hình học. “Không vị trí nào giữ được mọi khung bao” nghĩa là chỉ dịch chuyển khung cắt đó không thể đáp ứng yêu cầu cố định. Khung bao chạm ranh giới cắt vẫn được tính là nằm trong khung.
Khung bao là chú thích, không phải phép đo từng pixel sản phẩm nhìn thấy được. Nó có thể chứa cả nền, mô tả vật thể bị che khuất một phần hoặc không cho biết nhãn có đọc được hay không. Đạt phép kiểm tra chỉ xác nhận khung bao nằm trọn bên trong. Khi xem lại ảnh thực tế, vẫn cần kiểm tra sản phẩm dự định thể hiện, bối cảnh xung quanh và mọi thông tin mà nội dung sáng tạo phải truyền đạt.
Nhiều trường hợp bị cắt ở giữa ảnh vẫn có vị trí khác khả thi
Bảng đầu giữ đủ 5 danh mục và cả 3 tỷ lệ theo thứ tự phân tích cố định. Mỗi danh mục dùng cùng các trường hợp ảnh/danh mục đủ điều kiện ở mọi tỷ lệ. Hãy đọc mẫu số bên cạnh số đếm của 3 kết quả; các hàng không được sắp xếp để gợi ý danh mục sản phẩm nào dễ chụp hơn hoặc phù hợp hơn với quảng cáo.
Ở tỷ lệ 9:16, nhóm chai minh họa sự khác biệt cốt lõi. Trong 379 trường hợp, 130 trường hợp giữ được mọi khung bao chai khi khung cắt đặt giữa ảnh. Thêm 199 trường hợp không đạt ở giữa nhưng có thể giữ mọi khung bao chai sau khi dịch chuyển khung cắt. 50 trường hợp còn lại không thể đáp ứng yêu cầu giữ tất cả chai nếu chỉ dịch chuyển. Gộp 2 số đếm cuối sẽ che khuất chính quyết định mà phép đối sánh được thiết kế để phân biệt.
Sự khác biệt này không chỉ xuất hiện trong ví dụ đó. Ở tỷ lệ 4:5, 151 trong 292 trường hợp túi xách đạt khi đặt giữa ảnh, thêm 108 trường hợp có thể đạt sau khi dịch chuyển và 33 trường hợp không thể nằm vừa. Với cốc ở tỷ lệ 1:1, các số đếm tương ứng là 239, 128 và 23 trên tổng số 390. Bảng giữ lại mọi tổ hợp còn lại thay vì rút gọn thành một kết quả nổi bật được lựa chọn.
“Dịch chuyển có thể giữ được” là một khả năng, không phải báo cáo rằng một trình chỉnh sửa hay dịch vụ cắt ảnh tự động cụ thể đã tìm ra vị trí đó. Phép tính tìm kiếm khoảng vị trí được phép bằng toán học. Nó không thử các thiết lập mặc định của phần mềm, xếp hạng bố cục thay thế hay xem xét khung cắt sau khi dịch chuyển sẽ trông như thế nào với người xem.
Với người phụ trách sản xuất, cột giữa là lý do hữu ích để giữ ảnh gốc sẵn có trong quá trình xem lại. Một bản xem trước đặt khung giữa ảnh bị từ chối chưa nhất thiết là điểm dừng. Cột cuối đòi hỏi cuộc trao đổi khác: nếu chính các khung bao bắt buộc không thể nằm vừa, tiếp tục dịch chuyển cùng khung cắt cũng không thể đáp ứng bản yêu cầu cụ thể đó.
Giữ mọi khung bao trong danh mục: toàn bộ kết quả cấp nhóm
Một trường hợp gồm một ảnh và một danh mục, chứa mọi khung bao không gắn cờ đám đông của danh mục đó. Cùng các trường hợp đủ điều kiện được so sánh ở mỗi tỷ lệ. Chỉ tính vào kết quả dịch chuyển khi khung cắt ở giữa không đạt nhưng có vị trí khác trong ảnh có thể giữ mọi khung bao bắt buộc.
| Danh mục và tỷ lệ đích | Trường hợp đủ điều kiện | Đặt giữa ảnh giữ được mọi khung bao | Dịch chuyển có thể giữ được mọi khung bao | Không vị trí nào giữ được mọi khung bao |
|---|---|---|---|---|
| Túi xách · 1:1 | 292 | 170 | 104 | 18 |
| Túi xách · 4:5 | 292 | 151 | 108 | 33 |
| Túi xách · 9:16 | 292 | 89 | 151 | 52 |
| Chai · 1:1 | 379 | 219 | 144 | 16 |
| Chai · 4:5 | 379 | 189 | 158 | 32 |
| Chai · 9:16 | 379 | 130 | 199 | 50 |
| Cốc · 1:1 | 390 | 239 | 128 | 23 |
| Cốc · 4:5 | 390 | 190 | 163 | 37 |
| Cốc · 9:16 | 390 | 120 | 203 | 67 |
| Máy tính xách tay · 1:1 | 183 | 68 | 89 | 26 |
| Máy tính xách tay · 4:5 | 183 | 53 | 92 | 38 |
| Máy tính xách tay · 9:16 | 183 | 29 | 84 | 70 |
| Điện thoại di động · 1:1 | 214 | 161 | 44 | 9 |
| Điện thoại di động · 4:5 | 214 | 131 | 70 | 13 |
| Điện thoại di động · 9:16 | 214 | 93 | 98 | 23 |
Giữ một vật thể làm thay đổi câu hỏi
Khác biệt giữa một nhóm và một vật thể đủ lớn để cần đặt cạnh kết quả chính. Ở tỷ lệ 9:16, 50 trong 379 trường hợp ảnh/danh mục chai không thể nằm vừa nếu chỉ dịch chuyển. Trong phép kiểm tra riêng từng đối tượng, chỉ 3 trong 1.013 khung bao chai riêng lẻ không thể nằm vừa. Mẫu số và yêu cầu khác nhau; các số đếm này không phải những tỷ lệ không đạt có thể dùng thay thế cho nhau.
Bảng thứ hai áp dụng cùng phép hình học cho từng khung bao hợp lệ không gắn cờ đám đông. Ảnh có nhiều chai đóng góp nhiều đối tượng chai ở đây, trong khi ở trên chỉ đóng góp một nhóm chai. Mỗi khung bao riêng lẻ được xét độc lập. Điều này không cho thấy mọi vị trí khả thi riêng lẻ đó có thể cùng thực hiện trong một khung cắt.
Với túi xách, mọi khung bao riêng lẻ đều có thể nằm vừa ở đâu đó tại cả 3 tỷ lệ, nhưng một số nhóm gồm tất cả túi xách lại không thể. Sự tương phản này phù hợp với một ràng buộc hình học đơn giản: nhiều chủ thể vốn vừa khi xét riêng có thể cách nhau quá xa để cùng nằm vừa. Nó không xác định lý do cảnh gốc được sắp xếp như vậy hay chiến dịch nên thể hiện điều gì.
Máy tính xách tay cũng cho thấy vì sao phép kiểm tra riêng lẻ không phải sự bảo đảm. Ở tỷ lệ 9:16, 60 trong 231 khung bao máy tính xách tay riêng lẻ không thể nằm vừa nếu chỉ dịch chuyển. Các hàng khác có kết quả khác và đều được giữ trong bảng độ nhạy đầy đủ. Chúng tôi chưa kiểm soát góc máy, hình dạng vật thể, hướng ảnh gốc hay bố cục cảnh, nên so sánh danh mục không thể tách riêng một nguyên nhân.
Nhóm có thể dùng sự phân biệt này để làm rõ yêu cầu sửa ảnh. “Giữ sản phẩm” nghĩa là một vật thể chủ đạo được chỉ định, mọi vật thể trong một bộ hay mọi vật thể cùng loại ở bất cứ đâu trong cảnh? Thay đổi câu trả lời sẽ thay đổi yêu cầu sáng tạo. Đó phải là quyết định đã thống nhất, thay vì âm thầm nới lỏng yêu cầu để khung cắt đạt.
Giữ từng khung bao: toàn bộ phép kiểm tra độ nhạy
Mỗi đối tượng hợp lệ không gắn cờ đám đông được kiểm tra độc lập. Nhiều vật thể trong một ảnh có thể đóng góp nhiều khung bao, mỗi khung được xét riêng; các vị trí khả thi riêng lẻ không nhất thiết cùng thực hiện được trong một khung cắt.
| Danh mục và tỷ lệ đích | Khung bao đủ điều kiện | Đặt giữa ảnh giữ được khung bao | Dịch chuyển có thể giữ được khung bao | Không vị trí nào giữ được khung bao |
|---|---|---|---|---|
| Túi xách · 1:1 | 540 | 353 | 187 | 0 |
| Túi xách · 4:5 | 540 | 316 | 224 | 0 |
| Túi xách · 9:16 | 540 | 203 | 337 | 0 |
| Chai · 1:1 | 1.013 | 754 | 259 | 0 |
| Chai · 4:5 | 1.013 | 681 | 332 | 0 |
| Chai · 9:16 | 1.013 | 513 | 497 | 3 |
| Cốc · 1:1 | 895 | 659 | 236 | 0 |
| Cốc · 4:5 | 895 | 559 | 336 | 0 |
| Cốc · 9:16 | 895 | 419 | 466 | 10 |
| Máy tính xách tay · 1:1 | 231 | 107 | 107 | 17 |
| Máy tính xách tay · 4:5 | 231 | 79 | 126 | 26 |
| Máy tính xách tay · 9:16 | 231 | 43 | 128 | 60 |
| Điện thoại di động · 1:1 | 262 | 204 | 50 | 8 |
| Điện thoại di động · 4:5 | 262 | 172 | 83 | 7 |
| Điện thoại di động · 9:16 | 262 | 124 | 126 | 12 |
Xem mỗi khung hình là một bố cục riêng
Các tỷ lệ 1:1, 4:5 và 9:16 là hình dạng thử nghiệm cố định, không phải tuyên bố về thông số Instagram hiện hành hay chính sách định dạng được khuyến nghị. Với công việc cắt ảnh Instagram, hãy xác nhận vị trí hiển thị dự định và yêu cầu của vị trí đó với người chuẩn bị bản xuất. Nghiên cứu này trả lời câu hỏi hẹp hơn: các chủ thể có nằm vừa trong một khung hình xác định hay không.
Ảnh gốc ở mọi hướng đều đủ điều kiện. Một ảnh ngang và một ảnh dọc cao tương tác khác nhau với cùng tỷ lệ đích: khung cắt này có thể loại bớt chiều rộng, khung khác lại loại bớt chiều cao. Vì vậy, các khung cắt thử nghiệm không phải lúc nào cũng lồng trong nhau. Không có quy luật chung ở đây rằng chuyển từ hình vuông sang tỷ lệ cao hơn nhất thiết làm mọi trường hợp riêng lẻ xấu đi.
Thành phần ảnh gốc cũng khác nhau theo danh mục. Các nhóm túi xách gồm 210 trường hợp ảnh ngang, 10 trường hợp ảnh vuông và 72 trường hợp ảnh dọc; các nhóm máy tính xách tay lần lượt là 157, 2 và 24. Đây là số đếm về phạm vi dữ liệu, không phải so sánh đã hiệu chỉnh. Chúng tôi giữ nguyên thành phần này thay vì lọc lấy ảnh ngang sau khi thấy kết quả, nhưng lựa chọn đó không biến các danh mục thành những tổng thể thương mại có thể so sánh.
Với công việc thực tế, hãy kiểm tra riêng từng bố cục bắt buộc. Duyệt bản vuông không tự động có nghĩa là duyệt bản dọc. Tương tự, không đạt ở một tỷ lệ không chứng minh rằng bố cục khác đã được duyệt cũng sẽ không đạt. Bản ghi hữu ích nêu rõ ảnh gốc, các chủ thể bắt buộc và chính khung hình đã xem lại, để người tiếp theo hiểu phạm vi được duyệt.
Ví dụ giả định với 2 chai giúp làm rõ lựa chọn
Hãy hình dung một thương hiệu đồ uống nhỏ yêu cầu nhà sáng tạo chuyển ảnh ngang đã được duyệt sang bố cục dọc 4:5. Ảnh gốc giả định rộng 1.600 pixel và cao 900 pixel. Khung cắt 4:5 lớn nhất có kích thước 720 × 900 pixel. Thương hiệu, ảnh, tọa độ và công việc trong ví dụ này đều là giả định; chúng không phải quan sát từ COCO hay kết quả sản xuất được đo lường.
Giả sử khung bao chai bắt buộc chạy từ tọa độ ngang 100 đến 400 và từ tọa độ dọc 100 đến 800. Khung cắt đặt giữa ảnh trải từ tọa độ ngang 440 đến 1.160, nên không chứa được khung bao đó. Dịch chuyển khung cắt để bắt đầu ở 100 tạo khoảng ngang từ 100 đến 820 và chứa trọn khung bao giả định. Trong trường hợp này, vấn đề ban đầu là vị trí.
Bây giờ thêm khung bao chai bắt buộc thứ hai, từ tọa độ ngang 1.000 đến 1.300, với cùng khoảng dọc. Cả 2 khung bao trải rộng 1.200 pixel theo chiều ngang. Chúng không thể cùng nằm trong khung cắt rộng 720 pixel chỉ nhờ dịch chuyển. Từng khung bao có thể vừa khi xét riêng; chính yêu cầu giữ cả 2 tạo ra xung đột.
Người phụ trách khách hàng có vài lựa chọn để trao đổi với nhà sáng tạo. Họ có thể chọn ảnh khác đã được duyệt có cặp chai gần nhau hơn, dùng bố cục chứa ảnh gốc cùng khoảng đệm hoặc hỏi liệu bản yêu cầu có nên chỉ thể hiện một chai chủ đạo được chỉ định hay không. Đây là những phương án sản xuất đề xuất, không phải lợi ích đã được kiểm nghiệm bằng phân tích chú thích của chúng tôi.
Nếu thương hiệu cần cả 2 chai, bỏ một chai khi chưa được duyệt là thay đổi công việc. Nếu chỉ cần chai chủ đạo, yêu cầu giữ mọi chai ở nền có thể thêm ràng buộc không cần thiết. Phép đối sánh không thể quyết định thông điệp nào là đúng. Giá trị của nó trong ví dụ này là chỉ ra khung cắt có thể và không thể đáp ứng yêu cầu nào.
Sau khi nhóm thống nhất một phiên bản, người xem lại vẫn cần thấy nó ở kích thước trình bày dự định. Giữ được cả 2 khung bao không cho biết bao bì có đọc được, ưu đãi có bị che hay khoảng trống có mất cân đối hay không. Hình học có thể giải quyết câu hỏi về độ vừa nhưng vẫn để ngỏ các bước kiểm tra sáng tạo và tính chính xác khác.
Ghi yêu cầu cắt ảnh vào bản bàn giao
Một bản yêu cầu ngắn có thể truyền đạt quyết định còn thiếu giữa doanh nghiệp, nhiếp ảnh gia, nhà thiết kế và nhà sáng tạo. Hãy lưu nó cùng ảnh gốc đã được duyệt thay vì chỉ dựa vào tin nhắn “cần bản dọc”. Các chi tiết cần nêu rõ những gì phải giữ lại, những gì có thể thay đổi và ai có quyền duyệt thay đổi đó.
Sao chép mẫu trống này: “Ảnh gốc và phiên bản đã được duyệt: __. Vị trí hiển thị dự định và tỷ lệ khung hình: __. Chủ thể hoặc nhóm được chỉ định phải giữ lại: __. Chi tiết phải đọc được: __. Có được dịch chuyển khung cắt: __. Có được thêm khoảng đệm hoặc chọn ảnh gốc khác đã được duyệt: __. Người duyệt việc thay đổi yêu cầu: __. Phiên bản đã xem lại và ngày xem: __.” Nhóm điền các trường này theo công việc thực tế, không lấy từ tập dữ liệu này.
Trường chủ thể bắt buộc cần đủ cụ thể để người khác áp dụng được. “Cả 2 chai trong bộ ra mắt” khác với “chai gần phía trước nhất”. Nhãn, khuôn mặt hoặc ưu đãi có thể cần kiểm tra riêng ngay cả khi khung bao của vật thể xung quanh nằm vừa. Các chú thích nguồn không xác định những ưu tiên thương mại đó.
Khi khung cắt đặt giữa ảnh cắt mất nội dung bắt buộc, trước hết hãy kiểm tra xem vị trí khác có giữ được các chủ thể đã thống nhất hay không. Nếu cả nhóm không thể nằm vừa, hãy đưa lựa chọn tư liệu hoặc bố cục trở lại cho người duyệt. Giữ sự phân biệt đó trong thông tin bàn giao giúp giải thích lý do sửa ảnh mà không tuyên bố rằng tập dữ liệu dự đoán nhóm sẽ tránh được bao nhiêu lần sửa.
Các bước minh họa bên dưới mô tả trình tự xem lại được đề xuất đó. Khoảng đệm trong cảnh cuối là một lựa chọn bố cục khi khung cắt tràn viền không thể giữ cả 2 hình thể. Điều này không chứng minh rằng mọi vị trí hiển thị đều cho phép khoảng đệm hay bố cục thu được sẽ hiệu quả hơn.
Bám sát các chủ thể cần giữ khi xem lại khung cắt

Nêu rõ những gì phải giữ lại
Thống nhất các chủ thể và chi tiết cần giữ, kèm phiên bản ảnh gốc cụ thể.
Kiểm tra khung hình dự định
Xem lại khung cắt đặt giữa ảnh ở tỷ lệ bắt buộc, tách biệt với kích thước bản xuất.
Thử đổi vị trí, rồi giải quyết độ vừa
Nếu dịch chuyển không giữ được nhóm bắt buộc, hãy thống nhất tư liệu, bố cục hoặc bản yêu cầu khác.
Xem lại phiên bản đã thống nhất
Kiểm tra bố cục thực tế, độ dễ đọc của các chi tiết và phạm vi được duyệt.
Cách thực hiện phép so sánh dựa trên chú thích
COCO là tập dữ liệu nghiên cứu về vật thể trong bối cảnh, gồm cả cảnh nhiều chi tiết và nhiều vật thể. Nó không được xây dựng như một tập ảnh sản phẩm thương mại mang tính đại diện. Chúng tôi dùng phần chú thích đối tượng của tập kiểm định 2017, xác định 5.000 ảnh. Tên tập chỉ phiên bản phát hành, không phải năm chụp mọi bức ảnh.[1][2]
Tệp chú thích được thu thập ngày 24 tháng 10 năm 2026 (UTC). Chúng tôi kiểm tra toàn bộ mã kiểm và giữ nguyên định danh nguồn chính xác của tệp. Chúng tôi không thu thập, xem hay phân loại ảnh. Phân tích dùng kích thước ảnh đã ghi nhận, ID danh mục, cờ đám đông và tọa độ khung bao; không thêm đánh giá thẩm mỹ hay phép đo pixel vật thể.
5 danh mục, 3 tỷ lệ, yêu cầu về nhóm, phép kiểm tra độ nhạy từng đối tượng và quy tắc loại trừ đều được cố định trước khi tính kết quả cắt ảnh. Phân tích chính gồm 1.458 trường hợp ảnh/danh mục đủ điều kiện. Phân tích đối tượng riêng lẻ gồm 2.941 khung bao hợp lệ. Một ảnh có thể xuất hiện trong nhiều danh mục, nên tổng số nhóm không phải số ảnh riêng biệt hay một tập lượt lấy mẫu độc lập từ tổng thể.
Chúng tôi loại 16 chú thích đám đông: 12 chú thích chai và 4 chú thích cốc. Không có đối tượng không gắn cờ đám đông đã chọn hay nhóm chính nào vi phạm các quy tắc hợp lệ đã công bố. Nguồn còn có những danh mục ngoài 5 danh mục cố định; chúng không được thêm vào sau khi có kết quả. Mọi trường hợp đủ điều kiện trong một danh mục đều được giữ để so sánh ở mọi tỷ lệ, với cùng mẫu số.[3][4]
Tọa độ được đánh giá bằng phân số chính xác suy ra từ các chuỗi số thập phân trong nguồn. Phép kiểm tra nằm trong khung cắt tính cả trường hợp bằng đúng ranh giới. Các bảng hiển thị số đếm nguyên, còn bản tổng hợp tải xuống giữ nguyên các phân số số đếm chính xác. Phép tính mô tả tập chú thích hữu hạn này; chúng tôi không báo cáo khoảng tin cậy, ước lượng tổng thể, dự báo cắt ảnh thương mại không đạt hay tác động nhân quả của danh mục.
- Tải 120 số đếm được hiển thị (CSV)
- Tải toàn bộ 1.458 trường hợp nhóm ở cả 3 tỷ lệ (CSV)
- Tải đủ 30 hàng tổng hợp cho nhóm và khung bao riêng lẻ (CSV)
- Tải nguồn chú thích, phương pháp và mã tái tạo kết quả (ZIP)
Không cần đăng ký. Bao gồm cả 2 bảng đầy đủ và mọi bản ghi nhóm–tỷ lệ đủ điều kiện. Gói dùng chung chứa tài liệu phương pháp bằng tiếng Anh, định danh chính xác của nguồn chú thích và mã tái tạo kết quả. Quyền đối với chú thích COCO không cấp quyền đối với các bức ảnh gốc tương ứng; không phân phối lại ảnh.[8]
Dùng phép đối sánh để đặt câu hỏi sửa ảnh cụ thể hơn
Giữ một vùng khi thay đổi tỷ lệ khung hình là bài toán cắt ảnh đã được nghiên cứu. Công trình trước đã xem xét liệu một vùng có vừa với tỷ lệ đã chọn, so sánh khung cắt tỷ lệ cố định đặt giữa ảnh với lựa chọn của biên tập viên và đo phần tiền cảnh được giữ lại theo những quy trình cắt khác. Đóng góp của chúng tôi là bảng kê cố định theo cặp này và sự phân biệt nhóm với đối tượng riêng lẻ, chứ không phải thuật toán cắt ảnh mới.[5][6][7]
Với ảnh đã được duyệt của bạn, xem lại khung cắt thủ công một cách cẩn thận vẫn là cách trả lời trực tiếp nhất. Bảng dữ liệu không thể cho biết vật thể nào giúp bán sản phẩm, chi tiết nền nào quan trọng hay bố cục đã chọn có phù hợp về cảm nhận hay không. Nó có thể giải thích vì sao “đặt giữa ảnh thì bị cắt mất” và “không vị trí nào giữ được nhóm bắt buộc” cần những cách xử lý khác nhau.
Cũng cần tách câu hỏi này khỏi kích thước pixel. Ảnh gốc có thể đủ lớn để xuất nhưng các chủ thể bắt buộc vẫn cách nhau quá xa. Ngược lại, nằm vừa về hình học không chứng minh rằng phóng to một ảnh gốc nhỏ sẽ cho ảnh đạt yêu cầu. Nghiên cứu liên quan về kích thước ảnh thư viện của chúng tôi xét câu hỏi về kích thước; phép đối sánh này bổ sung câu hỏi liệu các chủ thể có chú thích có nằm vừa hay không.
Khi ảnh cắt được trả lại để sửa, hãy đính kèm khung hình dự định và nêu rõ những gì phải giữ lại. Sau đó quyết định thử vị trí khác, chọn ảnh gốc khác đã được duyệt hay thay đổi bố cục hoặc bản yêu cầu khi được phép. Phép đối sánh cung cấp sự phân biệt cụ thể cho cuộc trao đổi đó. Nội dung sáng tạo thực tế, quyền sử dụng và cách trình bày cuối cùng vẫn cần được xem lại riêng.
Chú thích nghiên cứu
- COCO Consortium, tài liệu tải dữ liệu chính thức và bản phát hành chú thích huấn luyện/kiểm định 2017. Tập kiểm định xác định 5.000 ảnh. “2017” là tên phiên bản phát hành của tập, không phải năm chụp ảnh. Influence IQ thu thập toàn bộ tệp chú thích instances_val2017.json vào ngày 24 tháng 10 năm 2026 (UTC), không có pixel ảnh. Gói công khai ghi URL nguồn, tên tệp thành viên và SHA256 chính xác.
- Lin và cộng sự, Microsoft COCO: Các vật thể thường gặp trong bối cảnh. Tập dữ liệu được thiết kế xoay quanh vật thể trong bối cảnh và cảnh không theo bố cục điển hình, gồm cả nhiều vật thể. Bộ sưu tập nghiên cứu này không chứng minh tính đại diện cho danh mục sản phẩm, tư liệu của nhà sáng tạo, bài đăng Instagram hay chiến dịch thương mại hiện tại.
- COCO Consortium, định dạng chú thích đối tượng. Khung bao dùng tọa độ ảnh x, y, chiều rộng và chiều cao; iscrowd phân biệt chú thích đám đông. Đơn vị chính cố định của chúng tôi chứa mọi khung bao không gắn cờ đám đông của một danh mục đã chọn trong một ảnh. Chú thích đám đông bị loại và được đếm riêng. Việc chứa trọn khung bao không đo số pixel vật thể được giữ lại, khả năng nhận dạng, độ dễ đọc hay chất lượng hình ảnh.
- Phép tính của Influence IQ, được cố định trước khi có kết quả cắt ảnh: túi xách, chai, cốc, máy tính xách tay và điện thoại di động; tỷ lệ 1:1, 4:5 và 9:16; khung cắt lớn nhất nằm trong ảnh, có các cạnh song song với trục ảnh; đặt giữa ảnh trước, rồi xét khả năng dịch chuyển. Tất cả khung bao không gắn cờ đám đông đã chọn tạo thành nhóm chính; từng đối tượng hợp lệ cũng được kiểm tra riêng. Phân số chính xác giữ nguyên tọa độ thập phân nguồn, tính cả ranh giới. Gói dữ liệu giữ đủ 4.374 hàng nhóm–tỷ lệ, toàn bộ 30 bản tổng hợp, phạm vi dữ liệu, trường hợp loại trừ và mã tái tạo kết quả. Không thu thập ảnh nguồn.
- Zhang, Leszczuk, Miglino và Ye, Cắt ảnh thích ứng tự động để giữ vùng quan tâm, Technical Disclosure Commons (2022). Công bố trước này đã xem xét việc so sánh vùng quan tâm với kích thước khung cắt ứng viên để giữ vùng đó ở một tỷ lệ khung hình. Khả năng dịch chuyển không được trình bày ở đây như một thuật toán mới.
- Christensen và Vartakavi, Cách tạo trực tiếp dựa trên kinh nghiệm để cắt ảnh tự động. Bài báo so sánh khung cắt tỷ lệ cố định với ảnh cắt do biên tập viên tạo và có đường cơ sở là khung cắt lớn nhất nằm vừa, đặt giữa ảnh. Các thước đo mức độ trùng khớp với biên tập viên khác với việc chứa trọn khung bao chú thích trong phép đối sánh này. So sánh đó cung cấp bối cảnh nghiên cứu trước, không xác nhận chất lượng một dịch vụ cắt ảnh thương mại.
- Liu và cộng sự, PixMIM: Xem lại việc tái dựng pixel trong mô hình hóa ảnh có che vùng (2023). Bài báo khảo sát độ bao phủ tiền cảnh trong quá trình tiền xử lý ảnh, gồm cả cắt ở giữa, với tập dữ liệu, mặt nạ và kết quả khác. Đây là bằng chứng trước cho thấy quy trình cắt có thể loại mất tiền cảnh; số đếm chứa khung bao của chúng tôi không được hiểu là cùng thước đo độ bao phủ pixel đó.
- Nguồn: COCO Consortium, chú thích kiểm định COCO2017, theo giấy phép CC BY 4.0. Việc lựa chọn, tính toán hình học, lập bảng, diễn giải và dịch là các phần chuyển thể của Influence IQ; không hàm ý sự chứng thực. COCO phân biệt giấy phép chú thích với bản quyền riêng của các ảnh Flickr gốc. Không thu thập hay phân phối lại ảnh nguồn. Hình minh họa ý tưởng gốc không phải hình ảnh COCO.
Bài viết tiếng Anh là nguồn cho mọi phiên bản ngôn ngữ. Mỗi bản đều mô tả cùng tập chú thích COCO, danh mục, tỷ lệ và phép tính cố định. Ngôn ngữ bài viết không tạo ra bằng chứng về một thị trường mới. Influence IQ chịu trách nhiệm về lựa chọn, phân tích, diễn giải và các bản dịch.