複数の商品を並べる画像AIを比較する個数と位置を評価する

「商品を並べる」ときは、カタログ用の正確な一覧と、雰囲気を見せる広告ビジュアルを分けます。前者は個数・順番・型番・ラベルの一致が必要です。後者は背景や光の提案を優先できる一方、商品情報をそのまま証明する素材にはしません。

入力画像の枚数が多いモデルを選んでも、同時に扱える商品数や位置が保証されるわけではありません。モデルが参照画像をどのように使うか、生成か編集か、出力形式は何かを確認し、評価項目を商品ごとに持ちます。

比較用ブリーフには、商品名の代わりにA・B・C・DのIDを付け、正面画像と正本ラベルを渡します。以下は記事で使える架空の例です。

「4商品を見せる」だけでは不十分です。位置の基準を左右や前後で書き、商品同士が重なる範囲、見切れてはいけない面、ラベルを読ませる倍率を指定します。生成に任せる部分と、編集ソフトで正確に合成する部分を同じブリーフに記録します。

Googleの画像生成ガイドは、複数画像を入力して商品モックアップや合成画像を作る例を掲載しています。現行のNano Banana系はモデルごとに物体・人物の参照上限や4K対応が異なるため、候補を決めたらそのモデルの入力仕様を確認します。参照枚数が多いことを品質の証拠にはしません。

GPT Imageは入力画像とマスクで編集する経路を持ち、出力サイズや品質を指定できます。OpenAIのドキュメントは、複数生成でブランド要素や構図が一貫しない場合があることも説明しています。商品画像を繰り返し差し替える場合は、編集前後の比較とラベル確認を工程に入れます。

Fireflyは構図参照とスタイル参照を別に扱い、強さを調整します。Ideogram 4.5は生成時の参照画像と、既存画像の一部だけを変えるPrecise Editを案内しています。どちらも「構図を合わせる」機能であり、商品点数の自動検品ではありません。最終の点数・順番は人が数えます。

まず画像を縮小し、商品数と配置を確認します。次に元画像と同じ倍率で各商品を拡大し、ラベル、蓋、縫い目、接合部を見ます。最後に背景と光を確認します。順番を覚えたまま眺めると、同じ商品が別の形になっていても気付きにくいため、IDを重ねた検収表を使います。

• 点数：4個が4個あるか。重なりの奥に別の商品が消えていないか。余分な商品が追加されていないか。
• 位置：左右・前後・高さ・傾きがブリーフと一致するか。接地しているか。
• 正本：ラベル文字、ロゴ、容器の色と形、型番が提供資料と一致するか。
• 再利用：横長版と縦長版で、商品が見切れず、同じIDが保たれているか。

モデルごとの生成回数や設定が違う場合は、結果と条件を同じ台帳へ残します。偶然一枚だけ整っている案を、複数商品の再利用性として扱いません。

一つでも商品が欠ける、余分な商品が出る、位置の指定が逆になる、ラベルが読めない、ロゴや形状が変わる、商品同士の接触が不自然、縦横の展開で別商品に置き換わる場合は、背景が魅力的でも採用を見送ります。商品点数が売り場の意味を持つ場合、見た目の印象だけで補正しません。

正確なパッケージ画像が必要なら、生成案を背景・光・レイアウトの参考にとどめ、商品そのものは元写真の合成やレタッチで保持する選択もあります。生成と合成を組み合わせる場合、どこからがAI生成かを納品記録へ残します。

自作するなら、商品ごとの正本画像、ロゴデータ、型番、背景の利用権限をそろえ、生成版と合成版を分けて保存します。外注するなら、商品点数、入力画像の角度数、構図案、比率展開、文字修正、背景差し替え、レタッチ、検収回数を別項目にします。

特に「1枚に4商品」と「4商品の個別カットを1枚に組む」は作業範囲が異なります。モデル名だけで依頼先を決めず、商品保持をどの工程で担保するか、元データと編集可能データを受け取れるか、追加修正の単位を確認します。使用媒体と利用権限も、商品ごとに整理します。