合规质检
商品白底图不是抠图：AI 生成后还要检查什么
白底图看起来是最简单的电商素材：商品居中、背景干净、边缘清楚。但在真实上新流程里，它承担的是货架识别、平台审核、搜索展示和多 SKU 对应。AI 可以把抠图、补边、修瑕疵、提高分辨率做得更快，真正决定能不能批量使用的，是生成后有没有把商品真实性、图片规范和文件管理一起检查完。
白底图首先是货架图，不是氛围图
国内商家做商品图时，常常把白底图当成主图里的一个低优先级版本：先做场景图、卖点图、种草图，最后把商品抠到白底上。但从货架展示看，白底图反而是最需要稳定的基础资产。它要让系统识别商品，也要让用户在列表、推荐流、搜索结果和比价场景里快速判断自己点进来的是什么。
Google Merchant Center 的图片规范虽然面向全球商品 Feed，但它给电商团队提供了一个很清晰的底线：主图要准确展示完整商品，尽量少显示背景环境，避免促销文字、水印、边框和会遮挡商品的叠加内容。把这套思路迁移到国内电商，也能帮助团队判断白底图该服务于什么：不是创造风格，而是降低误解。
- 商品主体要完整，不能因为裁切、补边或阴影让关键结构消失
- 背景越干净越好，但不能用虚假的反光、道具或比例暗示误导用户
- 主商品和附带配件要分清，套装图必须真实展示实际售卖组合
- 白底图不适合塞价格、促销词、客服承诺和夸张功效
AI 最容易把商品改得很小但很致命
AI 生成白底图时，肉眼第一眼通常会先看干不干净、有没有毛边、光影是否自然。但电商审核更需要看细节是否被悄悄改掉。比如护肤品瓶身比例被拉长，家电按键数量改变，服饰面料纹理变细，鞋底纹路被简化，食品包装文字被重绘。这些问题单张看不明显，批量上新后会变成退货、差评或审核风险。
因此白底图质检不能只看生成效果，要把原图和生成图放在一起对照。先确认商品身份，再确认视觉质量。特别是多颜色、多尺码、多套装的商品，不能让一个表现最好的白底图替代所有 SKU。图片规范里强调不同款式/规格应提交能体现其细节特征的专用图片，这一点对 AI 批量生产尤其关键。
- 颜色：同一色系也要核对冷暖、饱和度、金属反光和透明材质
- 结构：检查按钮、拉链、鞋带、接口、配件数量和包装开口
- 文字：品牌名、规格、认证标识、口味和适用型号不能由 AI 重写
- 比例：主体占比要稳定，不能一批图里有的像微距、有的像远景
把白底图做成可复用的生产线
真正高效的白底图流程不是让设计师一张张修，而是把输入、生成、审核、归档变成标准动作。第一步是建立 SKU 表，字段至少包括商品 ID、颜色、规格、套装关系、是否需要展示包装、是否允许轻微修瑕、禁改区域和目标尺寸。第二步是把 AI 生成分成去背景、边缘修复、阴影统一、清晰度提升和导出命名几个环节。
研究电商背景生成的论文也提示了一个方向：规模化时，单个商品逐条写提示词效率很低，按品类通用规则与品牌个性规则结合，才更适合大批量素材生产。白底图同样如此。不要每次都重新写一段抽象提示词，而是为品类建立模板，再让 SKU 字段填入变量。
- 品类模板：服饰、食品、家电、美妆、数码、家居分别设置保留项
- 导出模板：统一比例、分辨率、文件格式、压缩方式和命名结构
- 质检模板：抽检比例、常见错误、退回标准和负责人要固定下来
- 复盘模板：记录哪类商品最容易变形，下一批生成前先改 brief
AI 生成图还要保留来源和标识意识
图片合规不只发生在平台审核环节，也发生在团队内部协作里。Google Merchant Center 对使用生成式 AI 创建的图片提出了保留 AI 来源元数据的要求。国内不同平台的具体细则会变化，但从长期看，商家应该默认保留生成记录、修图记录和素材来源，而不是把 AI 痕迹全部抹掉。
这不是为了增加流程负担，而是为了在出现争议时能回溯：原始商品图是什么，哪些地方被 AI 修过，是否改变了商品本体，是否使用了第三方图片风格或未经授权的人物/商标。白底图越基础，越应该有可追溯的素材管理。
- 保留原图、生成图、人工精修图和最终上架图四个版本
- 记录 AI 工具、主要提示词、参考图来源和人工修改点
- 不要使用竞品图、未授权摄影图或无法确认来源的素材做参考
- 对高风险品类增加人工复核，例如食品、护肤、母婴、保健和家电