Открытые протоколы наших опытов с генераторами картинок: как мы измеряем комнату, чем задаём размер товара и какие модели это выдерживают. Все результаты и все промахи опубликованы.
Примерка мебели живёт или умирает на одном числе. Диван шириной 192 см должен выйти шириной 192 см, иначе человек купит вещь, которая не встанет в комнату. Генераторы картинок этого не гарантируют: они рисуют предмет такого размера, какой лучше смотрится в кадре.
Мы искали способ передать модели размер так, чтобы она его соблюдала. Ниже протокол и три опыта: чем задавать размер, какие модели это читают и повторяется ли результат в разных комнатах.
Прошлые раунды искали, как передать размер модели. Этот — как убедиться, что она его соблюдала. До сентября у нас на это была только собственная уверенность: готовый кадр показывали текстовой модели и спрашивали, где на нём предмет.
В прогоне 8 сентября все двенадцать проверок вернули «не знаю». Разбор показал, что дело не в формате координат.
Оценщику показывали готовый кадр и целевую рамку и просили назвать границы предмета в долях кадра. Он подстраивался под рамку вместо того, чтобы измерять нарисованное.
| Что просили | Что ответил |
|---|---|
| доли кадра от 0 до 1 | right = 1100 при ширине кадра 1920 |
| границы торшера | почти совпали с рамкой при вдвое более высоком предмете |
Модель не измеряет, а правдоподобно сочиняет. Пока целевая рамка у неё перед глазами, она будет сходиться к рамке — то есть подтверждать сама себя.
Предмет ищет сегментация по текстовому описанию, а рамку ей не показывают вообще — подстраиваться не подо что. Высоту и центр считает код. Оказалось, что всё решает формулировка запроса.
| Запрос | Результат |
|---|---|
sofa | найден |
3-seat sofa | тот же бокс до третьего знака |
MORABO 3-seat sofa, 232x89x86 cm | не найден |
sofa pale green tufted with wooden legs | не найден |
Артикул и цепочка признаков убивают поиск так же надёжно, как ошибка. Работает короткая именная группа. Инструмент сверен с двумя ручными замерами и совпал с обоими с точностью 0%; сейчас каждый замер делается двумя формулировками, и если они расходятся больше чем на 10%, проверка честно отказывается отвечать.
Первое же, что показал инструмент, — ошибка была не в генераторе, а в нашем расчёте. Масштаб берётся из глубины в точке опоры, и точка садилась на предмет переднего плана вместо пола.
| Товар | Рамка была | Рамка стала | Истина |
|---|---|---|---|
| растение 110 см | 141 px | 162 px | 184 px |
| торшер 140 см | 150 px | 255 px | 271 px |
Столбец «истина» получен независимо: в комнате, промеренной рулеткой, масштаб считался от предмета известного размера и переносился в точку установки по отношению глубин. Две опоры на разной дистанции дали ответы, расходящиеся на один пиксель, а отношение глубин совпало с физическим отношением масштабов с точностью 1.1%.
Три новых товара, одна комната, один и тот же тап. Отличалось ровно одно: во второй ветке масштаб задан не моделью, а замером по предмету известного размера — то есть рамка была почти правильной.
| Товар | Рамка от модели | Рамка от замера |
|---|---|---|
| стеллаж 237 см | −5% | +7% |
| комбинация 197 см | +1% | +5% |
| кресло 80 см | +15% | +25% |
Генератор рисует предмет в 1.10–1.32 раза крупнее рамки, и коэффициент не зависит от того, откуда рамка взялась: он свойство товара, а не расчёта. Значит нынешняя приличная точность держится на взаимном погашении двух ошибок — заниженной рамки и завышенной отрисовки. Убираешь одну, вторая вылезает целиком.
Чтобы проверить размер на картинке, нужен масштаб самой комнаты: сколько пикселей приходится на сантиметр. Мы берём его по межкомнатной двери — её полотно 210 см почти всегда, и в кадре она видна целиком. Ошибка такого замера 1–2%. Прежний способ, по расстоянию от пола до потолка, врал от 13 до 43%.
Дальше из габаритов карточки магазина строится прямоугольник в пикселях и рисуется прямо на фотографии комнаты красным: это и есть верный размер. Модель получает то же фото с зелёной рамкой и просьбу нарисовать товар точно в её границах, а саму рамку убрать. Попадание проверяется наложением красного эталона на результат.
Три комнаты сняты на телефон, 1280 × 960. Товары — реальные карточки IKEA и Ozon с их же габаритами. «Попал» означает, что верх, низ и бока предмета лежат в пределах рамки: на глаз это отклонение до 10%. Каждая модель отработала кейс один раз, без отбора удачных прогонов. Комнаты — жилая квартира, поэтому исходные кадры не публикуем; все замеры и исходы — в таблицах ниже.
Один товар, растение высотой 110 см, одна комната, одна модель — Seedream 4.5. Меняется только то, как модель узнаёт размер: из текста промпта, из вклеенного в кадр вырезанного фото или из рамки, нарисованной на фотографии.
| Как задан размер | Что вышло | Ошибка |
|---|---|---|
| Сантиметры в тексте промпта | дерево около 250 см | +127% |
| Вклейка вырезанного фото | 147 см | +34% |
| Рамка на фотографии комнаты | 115 см | +5% |
Словам модель не верит вовсе. Вклейка задаёт размер геометрически, но модель всё равно перерисовывает предмет крупнее. Рамка внутри самой картинки оказалась единственным работающим языком.
Способ выбран, теперь вопрос к моделям. Стеллаж 80 × 237 см, комната и рамка не меняются, промпт слово в слово одинаковый. Проверялось всё, что на Replicate принимает фотографию товара вместе с фотографией комнаты.
| Модель | Что произошло | Цена кадра |
|---|---|---|
| Seedream 4.5 | верх, низ и бока в рамке | $0,040 |
| Seedream 5 Lite | в рамке, корпус чуть уже | $0,040 |
| Wan 2.7 | ширина больше на 60%, наклон | $0,030 |
| Seedream 4 | крупнее рамки и правее | $0,030 |
| Nano Banana Pro | вплавлен в стену, без задней стенки | $0,040 |
| Qwen Image Edit Plus | зелёная рамка осталась в кадре | $0,030 |
| FLUX 2 Klein 9B | ниже рамки на четверть | 5 сек |
| FLUX 2 Klein 4B | стоит под углом, как прислонённый | 4 сек |
| Runway Gen-4 | перерисовал комнату целиком | — |
| Grok Imagine | рамку не увидел | — |
| AnyDoor | нарисовал чужой стеллаж | $0,007 |
Рамку прочитали двое из одиннадцати. Остальные ошибаются по-разному, но чаще всего в одну сторону: товар выходит крупнее заданного. Отдельно стоит Qwen — он нарисовал стеллаж правильно, но оставил зелёную рамку прямо в кадре.
Один удачный кадр ничего не доказывает. Тех же двоих, плюс Wan 2.7 как самого дешёвого, прогнали по четырём новым кейсам в двух других квартирах: диван 192 × 94 см, комод шириной 270 см (он заведомо шире стены), стеллаж 80 × 237 см и растение 110 см. Комната из опыта 2 здесь не повторяется.
| Модель | Куда мажет | Попаданий |
|---|---|---|
| Seedream 4.5 | мимо только на растении | 3 / 4 |
| Seedream 5 Lite | мебель крупнее рамки | 1 / 4 |
| Wan 2.7 | раздувает ширину во всех кейсах | 0 / 4 |
Проигравшие ошибаются в одну сторону, и это важнее счёта: дело не в случайности, а в том, как модель понимает рамку. Она читает её как подсказку о месте, но не как границу. Растение промахнулись все трое: у живой кроны нет чётких боков, и рамка перестаёт работать.
Ковёр лежит в плоскости пола, поэтому вместо прямоугольника ему рисуется след с перспективой. По следу ковёр 250 × 250 см лёг правильно, но рядом появился свёрнутый рулон, которого никто не просил. У торшера рамка вышла узкой, 109 пикселей на кадре шириной 1280, и модель её просто не заметила.
Что честно сказать про эти цифры: комнаты сняты в одной квартире, товары взяты из двух магазинов, оценка попадания визуальная, каждая модель отработала кейс один раз. Это не статистика, это протокол выбора инструмента. Мы публикуем метод и все исходы, включая промахи, чтобы логику выбора можно было перепроверить; иллюстрированный раунд на нейтральной комнате — в следующем разделе.
Сравниваем модели не на красивых демо, а на одинаковой пустой комнате и реальных товарах IKEA. Провалы с рамками, масками и неверным товаром оставлены как есть.
Короткие выжимки из свежих раундов — только выводы, которые пережили проверку. Полные протоколы с кадрами живут в исследовательском репозитории.
Прогнали 19 реальных примерок через gpt-image-2 с настоящей маской против прод-рамки. Строгий счёт: маска 11/19, рамка 10/19 — паритет с противоположными профилями ошибок. Рамка игнорирует место и наклоняет предмет; маска не промахивается местом, но вылезает размером и зачищает всё внутри зоны. Вывод: целиком не меняем, маска — ретрай при промахе места.
Три ветки на одном входе: прод, v2-рамка без карты глубины и v2 с ней. Рамка без глубины хуже прода; выигрывает только связка «глубина + маска». Масштаб комнаты должен приходить из измеренной глубины, а не из вкуса модели.
Четыре кейса, один рамочный контракт, четыре генератора: Gemini, Seedream 4.5, FLUX.2 Pro и Flex. Стабильно рамку не держит никто. Ближе всех Gemini и FLUX.2 Pro; Seedream в 40% прогонов перерисовывает сцену целиком, а не только предмет. Нарисованная рамка — подсказка, а не гарантия: проверка после генерации обязательна.
Прошлись по всем virtual-staging API на рынке с нашим требованием: фото комнаты, вырезка товара, координаты. MeltFlex, virtualstaging.ai, VSAI, SofaBrain — координаты не принимает никто: они перестилизуют комнаты или расставляют абстрактную мебель. Геометрия остаётся нашей: позицию держит классическая вклейка с варпом, генерация лишь сводит свет и тень.
Вместо целого фото отдаём модели вырез вокруг зоны размещения, генерируем внутри и вклеиваем обратно с мягким швом. Вне выреза комната попиксельно совпадает с оригиналом — класс ошибок «генератор перекрасил стены» исчезает по построению. Открытой остаётся локальная деформация внутри выреза.
Официальный доступ ModelArk к Seedream 5.0 Pro, Lite и 4.5 на наших комнатах: нативной маски нет, bbox-теги размер не фиксируют — а это единственное, что нам нужно фиксировать. Прод остаётся как есть.
впишется?