移動裁切框前,先確認哪些主體必須保留

置中的裁切框可能裁掉主體,但換個位置就能保留。我們以影像標註進行的基準比較,將這種情況與所有必要標註框無法同時容納的情況分開,讓下一步決策依製作需求而定。

這項描述性幾何基準比較採用 COCO2017 驗證集標註,涵蓋 5 個固定類別、3 種比例的 1,458 個影像/類別案例,另以 2,941 個個別物件進行敏感度檢查。案例數並非不重複的照片數。標註資料於 2026 年 10 月 24 日(UTC)取得;未取得任何照片。

摘要

只要必要主體形成的群組能容納在裁切框內,移動裁切框就可能保留置中時被裁掉的主體。先定義哪些內容必須留下。我們在同一批 COCO 驗證集影像/類別案例上,測試原始影像範圍內最大的 1:1、4:5、9:16 裁切框,要求每個選定類別的所有非群聚標註框都保留在內。以 9:16 的瓶子案例為例,379 個案例中有 130 個在置中時保留了全部標註框;另有 199 個可在移動裁切框後全部保留;50 個則無法只靠平移就全部容納。[1][3][4]

這項要求比保留一個物件更嚴格。另行檢查個別瓶子標註框時,1,013 個框中只有 3 個無法容納於 9:16 裁切框。下方提供兩份完整表格。這些是研究資料集的標註框結果,並非實測的物件像素損失、商業裁切失敗次數或行銷活動預測。本研究提供可逐項檢視的配對比較,協助區分下一步應嘗試其他裁切位置,還是另選素材、版面,或明確修訂製作需求。

一張已核准的照片,像素可能足以輸出直式版本,卻沒有足夠空間保留製作需求中的全部內容。創作者將裁切框置中後,發現產品在邊緣消失,於是提出修改問題。客戶負責人接著就得決定:這張照片需要換個裁切位置,還是換個構圖?

這是兩種不同的決策。置中時裁掉主體,不代表換個位置也無法容納;同樣地,移動裁切框也無法解決所有排列。如果必要主體占用的寬度或高度超過選定裁切框,團隊就得重新考慮素材、版面或需求。

我們利用既有研究標註檢視這項區別,沒有取得照片。本文先呈現幾何可能性的基準比較,再提供虛構製作案例與可複製的需求範本。這能讓交接比一句「改成直式」更具體,同時由負責實際影像的人員決定是否核准創意內容。

換個位置,仍要確認能否容納

概念插圖:4 個藍綠色容器形體與不同位置的直式裁切框。兩個裁切框都無法容納所有形體。
在虛構形體群上方示意兩個可能的直式裁切位置,兩者都無法保留全部形體。移動裁切框值得檢查,但不能假定它一定能保留必要群組。這是原創概念插圖,不是 COCO 照片,也不是實測案例。

先列明製作需求中必須保留的主體

這項基準比較將手提包、瓶子、杯子、筆記型電腦、手機視為具有矩形標註框的類別。主要分析案例會合併同一張影像、同一類別的所有非群聚標註框。如果影像中有多個瓶子,測試就要求所有瓶子標註框都留在裁切範圍內。其他類別的物件不計入該案例。[3]

我們刻意將這項要求寫明。商業製作需求可能只指定一瓶主打產品,並允許背景瓶子被裁掉。主要測試不替創意團隊做這個選擇,而是先檢視「同類別全部保留」的要求會產生什麼結果,再提供個別標註框檢查,讓讀者看清這項要求更嚴格。

每種比例都使用原始影像範圍內、邊緣平行於原始座標軸的最大裁切框。我們先將它置中;若無法容納必要群組的全部標註框,再檢查同一個裁切框平移至原始影像內的其他位置後,是否能全部容納。兩個步驟都未新增內容、旋轉影像或改變縮放比例。[4]

因此,3 種結果回答的是不同問題。「置中可保留全部標註框」表示初始位置通過測試。「移動後可保留全部標註框」表示置中失敗,但幾何上存在其他可行位置。「任何位置都無法保留全部標註框」表示只移動這個裁切框,無法滿足固定需求。標註框接觸裁切邊界仍算在範圍內。

標註框是標註,不是對每個可見產品像素的測量。框內可能包含背景,也可能描述部分遭遮擋的物件,或完全沒有說明標籤是否可讀。通過測試只代表標註框能被容納。實際審核仍須檢查指定產品、周圍情境,以及創意素材必須傳達的資訊。

許多置中時裁掉的主體,換個位置仍可能保留

第一份表格依固定分析順序列出全部 5 個類別與 3 種比例。每個類別在各比例下都使用同一批符合條件的影像/類別案例。閱讀 3 種結果的次數時,請一併看旁邊的分母;資料列並未排序成哪一種產品較容易拍攝,或較適合廣告的排名。

在 9:16 比例下,瓶子群組呈現了這項核心區別。379 個案例中,130 個在裁切框置中時保留了所有瓶子標註框;另有 199 個在置中時失敗,但移動裁切框後可全部保留;其餘 50 個則無法只靠平移滿足「保留所有瓶子」的要求。若將後 2 項次數合併計算,就會掩蓋本研究原本要區分的決策。

其他組合也出現這項區別。在 4:5 比例下,292 個手提包案例中,151 個在置中時通過,另有 108 個可在移動後通過,33 個則無法容納。杯子在 1:1 比例下的 390 個案例,對應次數為 239、128、23。其餘組合全數保留在表格中,並未只挑出一項結果作為重點。

「移動後可保留」表示一種可能性,並不是說某個編輯工具或自動裁切服務已找到該位置。計算以數學方式檢查允許的位置範圍,未測試軟體預設行為、替不同構圖排名,也未檢視平移後的裁切影像在觀眾眼中看起來如何。

對製作人員來說,中間那欄說明了為何審核時值得保留原始檔。置中預覽遭否決,不必就此停止尋找其他位置。最後一欄則需要另一種討論:若指定的全部標註框無法容納,再怎麼移動同一個裁切框,也無法滿足該項製作需求。

保留該類別所有標註框:完整群組結果

每個案例為一張影像的一個類別,包含該類別所有非群聚標註框。每種比例比較的都是同一批符合條件的案例。只有置中裁切失敗,但在原圖內另有位置可保留全部必要標註框時,才計入可移動的結果。

15 個固定類別/比例組合:符合條件的影像/類別案例數,以及置中、移動後可行、任何平移均不可行的完整群組容納次數
類別與目標比例符合條件的案例置中可保留全部標註框移動後可保留全部標註框任何位置都無法保留全部標註框
手提包 · 1:129217010418
手提包 · 4:529215110833
手提包 · 9:162928915152
瓶子 · 1:137921914416
瓶子 · 4:537918915832
瓶子 · 9:1637913019950
杯子 · 1:139023912823
杯子 · 4:539019016337
杯子 · 9:1639012020367
筆記型電腦 · 1:1183688926
筆記型電腦 · 4:5183539238
筆記型電腦 · 9:16183298470
手機 · 1:1214161449
手機 · 4:52141317013
手機 · 9:16214939823
來源:COCO2017 驗證集標註;由 Influence IQ 計算。[1][3][4] 固定的全部 5 個類別 × 3 種比例,以整數次數呈現,同類別的分母保持不變。一個案例不等於一張不重複的照片。「任何位置都無法保留」只針對固定比例與全部標註框要求,並非商業裁切失敗率估計。

只保留一個物件,問題就不同了

群組與單一物件的差異相當大,因此值得放在主要結果旁一併看。在 9:16 比例下,379 個瓶子影像/類別案例中,50 個無法只靠平移就全部容納;但在另行進行的單一物件檢查中,1,013 個個別瓶子標註框只有 3 個無法容納。兩者的分母與要求不同,不能當成可互換的失敗率。

第二份表格以相同幾何方法,逐一檢查每個有效的非群聚標註框。同一張影像若有多個瓶子,在這裡會計為多個瓶子物件;在上方則只計為一個瓶子群組。每個框都單獨考慮。這不表示各個框的可行位置能同時在同一個裁切框中實現。

手提包的每個個別標註框,在 3 種比例下都能找到可容納的位置,但有些「全部手提包」群組仍無法容納。這與一項簡單幾何限制相符:多個各自放得下的主體,可能因彼此距離太遠而無法同時放入。這不能說明原始場景為何如此安排,也不能決定行銷活動應呈現什麼。

筆記型電腦也說明了,個別檢查並非保證。在 9:16 比例下,231 個個別筆記型電腦標註框中,有 60 個無法只靠平移容納。其他資料列的結果不同,完整敏感度表格均予保留。我們未控制拍攝角度、物件形狀、原始影像方向或場景構圖,因此類別比較無法單獨辨識原因。

團隊可利用這項區別,釐清修改需求。「保留產品」是指一個具名主打商品、一整組商品,還是場景中該類別的所有商品?答案改變,創意製作要求也會改變。這應是共同同意的決定,而不是為了讓裁切通過,就暗中放寬要求。

一次保留一個標註框:完整敏感度檢查

每個有效的非群聚物件都獨立測試。同一張影像的多個物件,可能提供多個各自檢查的標註框;各框分別可行的位置,不一定能在同一個裁切框內同時實現。

15 個固定類別/比例組合:符合條件的個別標註框數,以及置中、移動後可行、任何平移均不可行的單一框容納次數
類別與目標比例符合條件的標註框置中可保留該標註框移動後可保留該標註框任何位置都無法保留該標註框
手提包 · 1:15403531870
手提包 · 4:55403162240
手提包 · 9:165402033370
瓶子 · 1:11,0137542590
瓶子 · 4:51,0136813320
瓶子 · 9:161,0135134973
杯子 · 1:18956592360
杯子 · 4:58955593360
杯子 · 9:1689541946610
筆記型電腦 · 1:123110710717
筆記型電腦 · 4:52317912626
筆記型電腦 · 9:162314312860
手機 · 1:1262204508
手機 · 4:5262172837
手機 · 9:1626212412612
來源:相同的 COCO 驗證集標註成員檔案與裁切幾何方法。[3][4] 包含全部 5 個類別 × 3 種比例。這裡的個別物件分母與群組表不同。在 9:16 比例下,1,013 個個別瓶子標註框有 3 個無法容納,相較之下,379 個全部瓶子群組則有 50 個無法容納。零表示這次有限檢查中觀測到的次數為零,不是對新素材的保證。

每個裁切框,都要當成獨立構圖檢視

1:1、4:5、9:16 是固定測試形狀,並非當前 Instagram 規格,也不是建議採用的格式政策。處理 Instagram 照片裁切工作時,請與負責輸出的人員確認預定版位及其要求。本研究只回答較窄的問題:指定裁切框能否容納主體。

所有原始影像方向都符合納入條件。同一個目標比例套用在橫式與高直式原圖上,情況不同:有的裁切會去掉寬度,有的則去掉高度。因此,測試中的裁切框並非都能彼此套疊。這裡沒有一條通則,能說從正方形改成更高的比例,每個個別案例都一定會變差。

各類別的原始影像組成也不同。手提包群組包含 210 個橫式、10 個正方形、72 個直式案例;筆記型電腦群組則為 157、2、24。這些是涵蓋案例數,並非經調整的比較。我們保留了原始組成,沒有看到結果後才篩選橫式影像,但這不代表各類別就成為可互相比較的商業母體。

實際工作中,請分別檢查每個必要構圖。正方形版本獲核准,不代表直式版本也自動獲准;某個比例失敗,也不能證明另一個已核准的版面會失敗。有用的紀錄應標明原始素材、必要主體,以及實際審核的裁切框,讓下一位接手者了解核准涵蓋的範圍。

用虛構雙瓶製作案例,具體說明選擇

想像一個小型飲料品牌,請創作者把已核准的橫式影像改成 4:5 直式構圖。假設原圖寬 1,600 像素、高 900 像素,最大的 4:5 裁切框為 720 × 900 像素。本例的品牌、影像、座標與工作任務全部虛構,並非 COCO 觀察資料,也不是實測製作成果。

假設必要瓶子標註框的水平座標為 100 至 400,垂直座標為 100 至 800。置中的裁切框水平範圍為 440 至 1,160,因此無法容納該框。將裁切框起點移至 100 後,水平範圍變成 100 至 820,就能容納這個虛構標註框的全部範圍。此時,原本的問題出在位置。

現在加入第二個必要瓶子標註框,水平座標為 1,000 至 1,300,垂直範圍相同。2 個框合計橫跨 1,200 像素,無法只靠移動,將兩者同時放入寬 720 像素的裁切框。它們各自都放得下;必須同時保留兩者的要求,才產生了衝突。

客戶負責人可與創作者討論幾個選項:另選一張已核准、兩瓶距離更近的影像;採用加留白的版面來容納原圖;或確認製作需求是否可改為只呈現一瓶具名主打產品。這些是製作選項提案,並不是標註分析已驗證的效益。

如果品牌需要兩瓶都出現,未經核准就去掉一瓶,便是改變工作要求。如果只需要主打那瓶,堅持保留所有背景瓶子,可能反而加上不必要的限制。這項基準比較無法決定哪種訊息才正確。在本例中,它的價值是讓人看清裁切能滿足哪些要求、又無法滿足哪些要求。

團隊同意版本後,審核者仍需以預定呈現尺寸檢視成品。保留兩個標註框,不代表包裝文字可讀、優惠資訊沒有被遮擋,或留白比例協調。幾何能回答是否放得下,其他創意與事實檢查仍須完成。

在交接時寫明裁切需求

一份簡短需求說明,就能在品牌、攝影師、設計師與創作者之間補上尚未說清楚的決策。請將它與已核准的原始素材放在一起,不要只靠一句「需要直式版本」的訊息。內容應列明哪些必須保留、哪些可以改動,以及誰能核准變更。

複製這份空白範本:「已核准的原始素材與版本:__。預定版位與裁切比例:__。必須保留的具名主體或群組:__。必須維持可讀的細節:__。是否可移動裁切框:__。是否可加留白或另選已核准素材:__。核准需求變更的人員:__。已審核版本與日期:__。」團隊應依實際工作填寫,不能從這份資料集代入答案。

必要主體欄位應寫得夠具體,讓其他人也能依照執行。「上市組合中的兩瓶」與「最前面的那瓶」不同。即使物件標註框放得下,標籤、人臉或優惠資訊也可能需要另外檢查。原始標註並未定義這些商業優先順序。

置中時若裁掉必要內容,先檢查換個位置能否保留已議定的主體。若群組無法容納,就把素材或構圖的選擇交回核准者討論。交接時保留這項區別,便能說清修改原因,同時不必聲稱資料集能預測團隊可以省下多少次修改。

下方插圖說明這個建議的審核順序。最後一幕的留白,是滿版裁切無法同時保留兩個形體時,可考慮的一種版面選擇。這不能證明每個版位都允許留白,也不能證明該版面表現更好。

讓必要主體貫穿裁切審核流程

概念流程圖先標出球體與拱形,接著用窄裁切框裁掉兩者的一部分,最後在直式畫布上加上中性留白,保留兩個形體。
  1. 列明必須保留的內容

    確認必要主體、細節,以及確切的原始素材版本。

  2. 檢查預定裁切框

    依必要比例檢查置中裁切,並與輸出尺寸分開檢視。

  3. 先試位置,再處理能否容納

    若移動仍無法保留必要群組,就共同決定其他素材、版面或製作需求。

  4. 審核已議定的版本

    檢查實際構圖、細節可讀性與核准範圍。

建議的交接流程:列明必要主體、檢查裁切,若無法容納,就討論其他版面。最後一幕採用留白;中間的裁切並未同時保留兩個形體。這些虛構場景不代表基準比較的次數,也不能證明商業成效。

這項標註比較如何進行

COCO 是收錄情境中物件的研究資料集,包含雜亂場景與多個物件。它並不是為了代表商業產品照片而蒐集。我們使用其 2017 驗證集的物件實例標註,其中列出 5,000 張影像。資料集分割名稱指的是發布版本,並非每張照片的拍攝年份。[1][2]

標註封存檔中的該成員檔案於 2026 年 10 月 24 日(UTC)取得。我們檢查了完整檢查碼,並保留精確的來源識別資料;未取得、檢視或分類照片。分析僅使用記錄的影像尺寸、類別 ID、群聚標記與標註框座標,未加入美感判斷或物件像素測量。

5 個類別、3 種比例、群組要求、個別物件敏感度檢查與排除規則,均在計算裁切結果前固定。主要分析納入 1,458 個符合條件的影像/類別案例;另行進行的物件實例分析納入 2,941 個有效標註框。同一張影像可能出現在多個類別中,因此群組總數既不是不重複的照片數,也不是彼此獨立的母體抽樣。

我們排除了 16 筆群聚標註:12 筆瓶子、4 筆杯子。選定的非群聚物件與主要群組,均未違反已列明的有效性規則。原始資料還有固定 5 個類別以外的類別,但我們未在看到結果後加入。各類別所有符合條件的案例,在每種比例下都保留於比較中,分母一致。[3][4]

座標使用由來源十進位數值字串換算的精確分數計算。判定裁切範圍是否包含標註框時,邊界相等也算包含。表格顯示整數次數,可下載的摘要則保留精確的次數分數。計算僅描述這份有限標註資料集;我們未提供信賴區間、母體估計、商業失敗預測,或類別的因果效應。

無須註冊。內含兩份完整表格,以及每個符合條件的群組/比例紀錄。共用套件包含英文研究方法文件、精確的標註來源識別資料與重現程式碼。COCO 標註授權不代表取得原始照片的使用權;套件未重新散布任何照片。[8]

用基準比較,提出更具體的修改問題

改變長寬比時保留指定區域,是既有的裁切研究問題。過去研究已探討區域能否放入指定比例、比較置中固定比例裁切與編輯者的選擇,也測量過其他裁切程序保留的前景。本研究的貢獻,是這份固定的配對清單,以及群組與個別物件的區分,而非新的裁切演算法。[5][6][7]

針對已核准的影像,仔細手動檢查裁切,仍是最直接的做法。資料集表格無法判斷哪個物件能帶動產品銷售、哪個背景細節重要,或某個構圖看起來是否合適。但它能說明,為什麼「置中會裁掉」與「任何位置都無法保留必要群組」,應採取不同的回應。

也請將這個問題與像素尺寸分開。原圖尺寸可能足以輸出,但必要主體仍相距太遠。反過來說,幾何上放得下,也不能證明把小圖放大後,影像品質仍可接受。我們的相關圖片庫尺寸研究處理尺寸問題;這項基準比較則補上標註主體能否容納的問題。

裁切版本被退回修改時,請附上預定裁切框,並列明必須保留的內容。接著決定要嘗試其他位置、另選已核准的原始素材,還是經同意後調整版面或製作需求。這項基準比較為討論提供具體區別;實際創意素材、使用權利與最終呈現,仍須各自審核。

研究註記

  1. COCO Consortium,官方資料下載文件與 2017 訓練/驗證標註發布版本。驗證集列出 5,000 張影像。「2017」是資料集分割的發布版本名稱,不是照片的拍攝年份。Influence IQ 於 2026 年 10 月 24 日(UTC)取得完整 instances_val2017.json 標註成員檔案,未取得影像像素。公開套件記錄來源 URL、成員檔名與精確 SHA256。
  2. Lin 等人,Microsoft COCO: Common Objects in Context。這份資料集以情境中的物件及非典型展示場景為設計重點,包含多個物件。其研究蒐集方式不能證明它足以代表產品目錄、創作者素材、Instagram 貼文或當前商業行銷活動。
  3. COCO Consortium,物件實例標註格式。標註框使用影像座標 x、y、width 與 height;iscrowd 用來區分群聚標註。我們固定的主要分析單位,包含同一張影像內某個選定類別的所有非群聚標註框。群聚標註予以排除,另行計數。完整容納標註框,並不能測量保留的物件像素、辨識效果、可讀性或視覺品質。
  4. Influence IQ 的計算設定在裁切結果產生前即固定:手提包、瓶子、杯子、筆記型電腦、手機;比例為 1:1、4:5、9:16;採用原始影像內、邊緣平行於座標軸的最大裁切框;先置中,再檢查平移可行性。所有選定的非群聚標註框組成主要群組,每個有效物件也會個別檢查。精確分數保留來源十進位座標,邊界相等也算包含。套件保留全部 4,374 列群組/比例資料、全部 30 列摘要、涵蓋範圍、排除紀錄與重現程式碼。未取得原始照片。
  5. Zhang、Leszczuk、Miglino 與 Ye,Automatic Adaptive Image Cropping to Preserve Regions of Interest,Technical Disclosure Commons(2022)。這份既有技術公開文件已探討,如何比較關注區域與候選裁切尺寸,以在指定長寬比下保留該區域。本文並未將平移可行性呈現為新演算法。
  6. Christensen 與 Vartakavi,An Experience-based Direct Generation approach to Automatic Image Cropping。該論文將固定比例裁切與編輯者製作的裁切比較,並納入可放入原圖的最大置中裁切作為基準。其與編輯者一致程度的指標,不同於本研究要求的完整標註框容納。這項比較僅提供既有研究背景,不是商業裁切服務的驗證。
  7. Liu 等人,PixMIM: Rethinking Pixel Reconstruction in Masked Image Modeling(2023)。該論文使用不同的資料集、遮罩與結果指標,檢視包含置中裁切在內的影像前處理如何影響前景涵蓋範圍。這是裁切程序可能移除前景的既有證據;不能將我們的標註框容納次數,讀成相同的像素涵蓋率指標。
  8. 來源:COCO Consortium,COCO2017 驗證集標註,依 CC BY 4.0 授權。選取、幾何計算、表格、詮釋與翻譯均為 Influence IQ 的改作,不代表原作者背書。COCO 將標註授權與原始 Flickr 影像各自的著作權分開處理。我們未取得或重新散布原始照片。原創概念插圖不是 COCO 影像。

所有語言版本均以英文文章為來源。各版本描述相同的固定 COCO 標註集、類別、比例與計算。文章使用不同語言,不會因此產生新市場的證據。Influence IQ 負責選取、分析、詮釋與翻譯。

檢查影像交接的下一個環節