1. 检查发现了什么
2026年9月24日至10月12日期间，Herofab 使用14款工具，用212张商品照片生成了311张商品图。其中303张由每次交付前运行的自动检查读取。检查标记了63张，占20.8%；其余240张（79.2%）通过。
被标记的图像不会交付。该任务会重新生成一次；如果第二张图像同样被标记，则不交付任何内容，也不向客户收费。
最常见的错误是虚构细节：商品照片中没有的印花、标签、口袋或缝线。它出现在29张图像中，占被标记图像的46.0%。一张图像可能有不止一个错误，因此各行相加超过63。
| 错误 | 含义 | 图像数 | 占303张已检查图像的比例 | 占63张被标记图像的比例 |
|---|---|---|---|---|
| 虚构细节 | 商品照片中没有的印花、标志、标签、口袋或饰边 | 29 | 9.6% | 46.0% |
| 外观不自然 | 塑料感或玻璃感的表面、露出的人台、明显的修图接缝 | 17 | 5.6% | 27.0% |
| 不是同一商品 | 生成的商品不是照片中的那件商品 | 12 | 4.0% | 19.0% |
| 衣领或领口改变 | 衬衫领变成圆领、多出兜帽，以及类似情况 | 11 | 3.6% | 17.5% |
| 内侧标签外露 | 领口或腰头的标签被画在了外侧 | 10 | 3.3% | 15.9% |
| 人体结构 | 身体部位多出、缺失或粘连，或物体悬空 | 8 | 2.6% | 12.7% |
| 人数错误 | 要求一个人却出现两个人，或本应有模特却没有人 | 7 | 2.3% | 11.1% |
| 文字或标志错误 | 商品上的字母或标志发生了变化 | 5 | 1.7% | 7.9% |
| 商品被裁切或构图不当 | 商品被图像边缘裁切、偏离中心或过小 | 2 | 0.7% | 3.2% |
| 拼接图而非单张照片 | 多个分格或嵌入小图，而不是单张照片 | 2 | 0.7% | 3.2% |
| 印花缺失 | 服装正面的印花消失 | 1 | 0.3% | 1.6% |
| 水印或叠加内容 | 图像上有水印、网址或说明文字 | 1 | 0.3% | 1.6% |
2. 商品、文字与衣领
商品一致性：在303张图像中，有238张（78.5%）的商品与照片完全一致，52张（17.2%）存在细微差异，13张（4.3%）不是同一商品。
文字与标志：90张图像的商品上有可读文字。其中53张（58.9%）的文字一致，32张（35.6%）存在细微差异，5张（5.6%）错误。
衣领：154张图像中出现了可与照片比较的衣领或领口。其中12张（7.8%）发生了改变。
这些数字是判定模型的原始回答。只有在检查包含该问题的工具中，回答才会成为标记：无缝图案不检查商品一致性，细节图不检查衣领。因此，这里的商品和衣领数字比上方表格中对应的行各多一张。
3. 按工具
只有在至少检查了30张图像时才给出百分比；较小的组说明不了多少。背景移除和高清放大没有判定模型，不在这303张之内。
| 工具 | 已检查图像 | 被标记 | 比例 | 最常见的错误 |
|---|---|---|---|---|
| 虚拟试穿 | 115 | 26 | 22.6% | 虚构细节（18）、内侧标签外露（10）、不是同一商品（7） |
| 画布 | 38 | 8 | 21.1% | 虚构细节（4）、衣领或领口改变（3）、不是同一商品（1） |
| 创建模特 | 33 | 2 | 6.1% | 人数错误（2）、拼接图而非单张照片（2）、水印或叠加内容（1） |
| 商品影棚 | 30 | 6 | 20.0% | 人体结构（3）、虚构细节（3）、不是同一商品（1） |
| 隐形模特 | 18 | 9 | 未给出 | 外观不自然（7）、商品被裁切或构图不当（2）、不是同一商品（2） |
| 颜色变体 | 17 | 2 | 未给出 | 虚构细节（2）、不是同一商品（1） |
| 更换姿势 | 15 | 1 | 未给出 | 虚构细节（1） |
| 无缝图案 | 13 | 0 | 未给出 | 无 |
| 扩展画面 | 8 | 5 | 未给出 | 外观不自然（4）、人体结构（1） |
| 修图 | 8 | 4 | 未给出 | 文字或标志错误（3）、外观不自然（2） |
| 细节图 | 5 | 0 | 未给出 | 无 |
| 面料工作室 | 3 | 0 | 未给出 | 无 |
虚拟试穿：按商品类型
在虚拟试穿中，上装是最大的一组：58张图像，12张被标记（20.7%）。长裤及其他下装最弱，11张中有8张被标记，几乎都是因为虚构细节或内侧标签被画在外侧。首饰20张中有3张被标记，鞋类7张中有1张，包袋4张中有0张，眼镜4张中有0张。
| 商品类型 | 已检查图像 | 被标记 | 比例 |
|---|---|---|---|
| 上装 | 58 | 12 | 20.7% |
| 首饰 | 20 | 3 | 未给出 |
| 长裤及其他下装 | 11 | 8 | 未给出 |
| 连衣裙及其他连体装 | 11 | 2 | 未给出 |
| 鞋类 | 7 | 1 | 未给出 |
| 包袋 | 4 | 0 | 未给出 |
| 眼镜 | 4 | 0 | 未给出 |
4. 自动检查漏掉了什么
检查作出标记时，大多是对的。在用肉眼与商品照片比较的18张被标记图像中，16张确有错误，2张不明确。没有一张是明显标错的。
它看不到裁切问题。在用肉眼检查的19张场景图中，有9张把商品裁切在了画面边缘：一只袖子、一条裤腿、夹克的两侧。自动检查认为这9张的构图全部可以接受。
对任何发布 AI 商品图的人来说，实际的结论是：可以让视觉模型判断商品是否发生了变化，它回答得很好。而整件商品是否都在画面之内，仍然需要人来看，或者在生成提示词中加入一条规则。
5. 测量方法
这些图像是 Herofab 自有测试用例的真实生成结果，是在产品开发期间生成的。有若干张商品照片以不同的设置生成了不止一次。
这项检查是产品中在图像交付前运行的自动判定模型：一个视觉模型读取商品照片和生成图像，并回答一份固定的问题清单，例如是否有水印、图中有几个人、商品是否一致、衣领是否改变。服装的虚拟试穿还有第二个判定模型，负责印花位置和内侧标签。
有五张广告图未计入，因为它们的标题是在检查之后排版的，而这里测量的文件已经带有标题。一次生成的耗时中位数为27.4秒，90%在41.8秒内完成。
6. 局限
这是 Herofab 的测试集，不是客户作品，也不是行业平均值。其中包含刻意选取的高难度输入，以及用早期版本的生成提示词制作的图像。
标记是判定模型的判断，不是人的判断。判定模型会漏掉错误，裁切问题首当其冲；而且用肉眼检查的样本很小：18张被标记图像。
较小的组说明不了多少。一款工具的八张图像撑不起一个百分比，因此不为这些组给出百分比。
检查清单
- 商品上没有的细节：对照照片比较印花、标签、口袋、缝线和饰边。
- 商品本身：颜色、材质、袖长和整体形状。
- 衣领和领口，尤其是照片拍的是服装背面时。
- 标签和印花所在的一面：内侧标签被画在外侧，背面印花出现在正面。
- 手和身体：数一数手指，并确认每只手属于哪条手臂。
- 文字和标志：以原尺寸逐个字母阅读。
- 画面边缘：袖子、裤腿、肩带或边角都不应被裁掉。自动检查没有查出这一点。
- 人物和分格：一个人，一张照片。
更新于2026年10月12日
依据 CC BY 4.0 许可可自由转载使用。来源：Herofab（herofab.app）