Naar de inhoud
Alle video’s

Kwaliteit van een AI-beeld: referentie, prompt, model en iteratie

AI & MarketingDuur: 3:45 minVanaf 5:46 in de opname

Tachmy Dilmy, eCommerce AI Club

Uit de sessie: Training AI Literacy Basic (content)

Tachmy Dilmy van de eCommerce AI Club legt in de training AI Literacy Basic uit waar de kwaliteit van een AI-beeld vandaan komt. Hij noemt vier factoren: referentie, prompt, model en iteratie. Daarna bespreekt hij wanneer je met een foto begint en wanneer met alleen tekst. Voor wie productbeelden met AI wil maken.

Voor wie: Je wilt productbeelden met AI maken en weten welke keuzes de kwaliteit bepalen.

Hetzelfde moment

Waarom dit ertoe doet

Een studioshoot voor elk product is voor de lange staart van een assortiment te duur. AI-beelden zijn daardoor aantrekkelijk, maar ze vallen vaak tegen: een logo klopt niet, het product ziet er anders uit of de huid van een model oogt plastic. Tachmy laat zien dat dit zelden aan 1 ding ligt. Op zijn slide staat dat kwaliteit het product is van 4 factoren, dus 1 zwakke schakel haalt het hele beeld omlaag. Volgens de slide bepalen referentie en model samen ongeveer 80 procent van het eindresultaat. Dat is zijn schatting en geen meting. Voor een webshop is de les praktisch: begin bij een goede foto van het echte product en reken op minstens 1 correctieronde.

Belangrijkste inzichten

  • Op Tachmy's slide is kwaliteit gelijk aan referentie keer prompt keer model keer iteratie, dus 1 zwakke factor haalt het geheel omlaag.
  • Volgens dezelfde slide bepalen referentie en model samen ongeveer 80 procent van het resultaat; dat is zijn schatting.
  • Image-to-image werkt volgens Tachmy pas 1 tot 1,5 jaar echt goed, met de laatste Nano Banana-versies.
  • Laat het AI-model de prompt schrijven en test meerdere modellen.
  • Reken op een correctieronde: een eerste resultaat is zelden het eindresultaat.

Vier factoren, geen plus maar keer

De slide van Tachmy zegt: kwaliteit is referentie keer prompt keer model keer iteratie. Het is een vermenigvuldiging en geen optelling, want als 1 factor zwak is, stort het hele beeld in. De referentie is wat het product echt is: de echte foto met vorm, logo, materiaal en kleur. De prompt is de briefing met scène, licht, hoek en gevoel. Het model is de AI-motor, zoals GPT Image 2 of Gemini 3 Pro Image. De iteratie is de correctieronde. Volgens de slide is 1 gerichte fix bijna altijd genoeg.

Referentie: begin bij het echte product

Tachmy legt uit dat image-to-image editing pas een jaar tot anderhalf jaar goed werkt, met de laatste Nano Banana-versies. Je geeft een foto mee, van een persoon of van een product, en het model kan die steeds beter nabouwen zonder te hallucineren. Ook tekst en logo's op producten gaan beter. De API-documentatie van OpenAI beschrijft hetzelfde principe: je kunt nieuwe beelden maken uit referentiebeelden, in het voorbeeld uit vier beelden tegelijk. Wat je als input geeft, bepaalt dus wat eruit komt.

Prompt, model en iteratie

Voor de prompt hoef je niet alles zelf te schrijven. Tachmy laat het AI-model de prompt maken: je vraagt wat je moet prompten om een goede prompt te krijgen. Het model bepaalt ook de kwaliteit, dus test er meerdere. Het meest vergeten onderdeel is volgens hem de iteratie. Een eerste resultaat wordt steeds beter, maar kijk er kritisch naar, zoals je ook bij een handmatig gemaakt beeld doet. Het kan zijn dat een tekst, de lichtinval of een plastic uitstraling nog moet worden aangepast, eventueel met een ander model. Hij noemt het getal van 95 procent, maar het vervolg is in de opname niet te verstaan.

Met tekst of met een foto beginnen

Een tweede keuze is het vertrekpunt. Wil je scènes maken, zoals tuinfoto's in 10 verschillende settings, dan begin je met tekst. Heb je die scènes eenmaal, dan kun je er je producten in laten plaatsen met image editing. Heb je al sterke beelden, gebruik die dan als input. Heb je ze niet, dan maak je vanaf nul. Let op de grens: de documentatie van OpenAI waarschuwt dat hogere complexiteit helpt bij dichte tekst en lay-out, maar ook latency en ongewenste wijzigingen kan geven. Vergelijk daarom resultaten voor je eigen taak.

Probeer dit deze week

  1. Kies 1 product, maak een schone foto van het echte product en gebruik die als referentie voor een lifestyle-beeld.
  2. Laat een AI-model eerst een prompt voor je schrijven en vergelijk het resultaat met je eigen prompt.
  3. Plan 1 correctieronde in voor logo en tekst voordat je een beeld publiceert.

Begrippen

Referentiebeeld
Een foto die je als input meegeeft zodat het model het echte product kan nabouwen.
Image-to-image editing
Een bestaand beeld laten aanpassen of combineren in plaats van een nieuw beeld vanaf nul te maken.
Iteratie
Een correctieronde waarin je een eerste resultaat gericht bijstuurt.
Hallucineren
Dingen verzinnen die er niet zijn, zoals een logo of detail dat het product niet heeft.

Verdiep je in de gids

Transcriptie

Uitgeschreven uit de audio van dit fragment. Stopwoorden en herhalingen zijn weggelaten. Waar [onverstaanbaar] staat, is de opname niet te verstaan.

Als je even teruggaat naar de basis, wat maakt nou de kwaliteit van een plaatje als je dat laat genereren? Dan gaat het eigenlijk heel erg om een stukje referentie, dus wat geef je als input mee aan het model om dat plaatje te genereren? Is dat bijvoorbeeld alleen maar de tekst of is dat ook een referentie image? Image to image editing is eigenlijk iets wat eigenlijk pas een jaar, anderhalf jaar wellicht echt goed kan. Eigenlijk met de komst van de laatste Nano Banana versies, zie je dat dat steeds beter wordt. Als je een foto van een model erin stopt, een model kan een persoon zijn, maar het kan ook een product zijn, dan zie je dat ze steeds beter in staat zijn om het model te representeren. Na te maken [onverstaanbaar] Zonder dat hij gaat hallucineren, dingen gaat erbij verzinnen. En vooral textuele zaken, er zijn logo's op producten, die worden nu echt steeds beter. en die modellen kunnen daar gewoon steeds beter mee omgaan met teksten, logo's en dat soort zaken. Wat bepaalt nog meer de kwaliteit is natuurlijk de prompting die je meegeeft. En zeker op het promptinggebied kan je natuurlijk weer alles proberen zelf te doen en zelf te optimaliseren, maar je kan natuurlijk ook het AI-model gebruiken. Dus daar geef ik ook zo wat voorbeelden van. Wat zou je moeten prompten om een goede prompt weer te kunnen maken, zodat je met die goede prompt weer het plaatje weer kan maken. Nou dan onder het AI systeem is natuurlijk een bepaald model, waar we het net over hadden, Nano Banana van Google, of je gebruikt het ChatGPT image model, die bepaalt natuurlijk ook weer de kwaliteit. En eigenlijk wat mensen ook vaak vergeten is dat je het eerste in one shot, dat wordt steeds beter, maar gebruik zeker ook het model of human intervention om even te kijken wat er uitkomt om dan een iteratieslag te doen op de plaatsjes. Want zelfs dan nog steeds kan je van die 95% wellicht [onverstaanbaar] maken Dus die iteratieslag is iets wat niet altijd de tijd voor gegeven wordt. En ook niet gegund wordt. Maar eigenlijk zou je ook plaatjes die handmatig gemaakt worden. Daar kijk je ook altijd nog kwalitatief naar. Dat zou je dus ook met die AI-images moeten doen. Dat je dus niet verwacht dat alles in een one-shot goed komt. Het kan nog best zijn dat er toch nog een stukje tekst aangepast moet worden. of lichtinval of dat het toch nog wat plastic eruit ziet. Misschien moet je het dan nog een keer door een ander model heen halen. Dus het is altijd de referentie. Wat is de image die je als input meegeeft? Wat is de prompt? De prompt kan je laten maken door AI weer. Het model wat je gebruikt, test daar gewoon heel veel mee. En itereer. En zorg er ook voor dat het plaatje eruit komt, dat je het nog een keer aanpast om het naar het volgende kwaliteitsniveau te brengen. begin je met tekst of begin je met de foto je kan AI kan je natuurlijk van scratch iets laten maken met name handig als je bepaalde scènes wil creëren als je tuinfoto's wil maken even op 10 verschillende tuin settings maken dan kan je die laten maken door AI als je die eenmaal hebt kan je die weer gebruiken om dan vanaf die foto's jouw producten erin te laten stoppen. Dus dan ga je eigenlijk image editing to editing weer gebruiken. Heb je zelf al hele kwalitatief sterke images waar je van af wil werken, zorg er gewoon voor dat je die dan als input gebruikt. Heb je die niet, dan kan je natuurlijk ook gewoon van scratch je images laten maken, zodat je vanuit tekst naar een bepaald image model gaat.

Spreker: Tachmy Dilmy, eCommerce AI Club

Bronnen

Meer over AI & Marketing