ゴーストマネキンAI（インビジブルマネキン）：どこで失敗するか、どう確認するか

ゴーストマネキン――インビジブルマネキンやホローマン効果とも呼ばれます――は1枚の撮影ではなく合成です。従来の撮影は2カットです。

1. マネキンやトルソーに着せた服を正面から撮影。
2. 後ろ襟の内側が見えるように服を裏返して撮影。通常はマネキンの首パーツを外します。

編集者が1枚目からマネキンを切り抜き、2枚目の後ろ襟の内側を首の開口部に貼り込みます。このパッチが首元合成（ネックジョイント）で、この技法の職人技のすべてです。それ以外は背景を抜くだけです。

AIのゴーストマネキンツールは、この2カットを1枚にまとめます。モデル着用でも、ハンガーでも、トルソーでも、写真を1枚アップロードすると、AIが着用者を消し、撮影されていない後ろ襟の内側を*作り出す*よう求められます。押さえておくべき違いはここです。従来の手法は実在するものを合成し、AIの手法はもっともらしいものを生成する。 以下の失敗のほとんどは、ここから生じます。

服の撮り方は3つあり、互いに置き換えはききません。

ファッションEC用テンプレートを開く

ゴーストマネキンの結果がおかしいのに理由がわからないときは、次の3点を順に確認してください。実際に問題だった頻度の高い順に並べています。

1. 後ろ襟の内側。 色は合っていますか？ 見返し、配色のパイピング、ネームタグがあるべきなのにない、あるいはないはずなのにある、ということはありませんか？ AIはこの部分を服の外側から推測しているので、作り話が集中するのはここです。
2. 肩のライン。 トルソーに着せた実物の服は、肩の縫い目がわずかに盛り上がります。生成画像はこれを丸めがちで、それが「着ている」ではなく「膨らませた」ように見える原因です。
3. 開口部の深さ。 説得力のある首元は、内側が*少し*見えます――影や後ろ身頃の気配です。浅すぎるとシールのように見え、深すぎると服に穴が開いているように見えます。

訓練された目は必要ありません。必要なのは、最初にどこを見るかを知ることで、それこそ誰も教えてくれない部分です。

この技法はカタログ全体に同じようには使えません。撮影前にこれを知っておくことが、最も時間の節約になります。

• 向いている――形を保つ構築的なアイテム：ジャケット、デニムジャケット、アウター、シャツ、襟と見返しのあるもの全般。服自体が形を作るので、AIは台無しにしないだけでよいのです。

• 注意すれば使える――ニットやジャージー。形は保てますが、落ち感が失われやすく、生成結果は実物より硬く見えがちです。

• たいてい失敗する――シルク、シフォン、裏地のない流れる素材。深いVネックやカウルネックは首元合成の隠れどころとなるきれいな縁がありません。透け感のある素材は、作り出された内側が前身頃から透けて見えます。

カテゴリーが3つ目のグループなら、平置きは妥協ではなく、誠実な形式です。とろみのあるシルクブラウスを硬いインビジブルマネキンで売ると商品を偽ることになり、それは後で返品として表れます。

不採用になる出力の大半は4つの失敗で説明でき、明らかなのは最初の1つだけです。

• 作り出された後ろ襟の内側。 AIはあなたの服の襟の内側を見たことがないので、生成します。形より色を間違えることのほうが多いです。

• インナーの残り。 元写真がキャミソールやTシャツを下に着たモデルの場合、その層が出力に残り、前立てから下着がのぞいているように見えることがよくあります。テイクが即ボツになる最も多い理由です。

• シルエットのずれ。 ボックス型の服が、いつの間にかフィット型になります。AIは服が身体にどう沿うかの先入観を持っているからです。これは高くつく失敗です。購入者が判断しているサイズ感そのものが変わります。

• ディテールの平板化。 ボタンの数が変わる。尖った裾タブがまっすぐな裾になる。ポケットの縫い目が消える。数えられるディテールは生成が最も当てにならない部分で、そして都合のよいことに、確認が最も簡単な部分です。

1分以内で結果を確認する方法

役に立つ問いは「きれいに見えるか」ではなく「まだ商品を正しく表しているか」です。2つの計測でほとんどを捉えられ、どちらもポーズの基準点に対する比率であり、ピクセル比較ではありません。

• 丈 – (hem_y - shoulder_y) / (hip_y - shoulder_y)

• バスト幅 – garment_width_at_bust / body_width_at_bust

比率はトリミングや撮影距離に左右されません。ピクセルの絶対値は左右されます。

出力を元写真と比べて測らないでください。 元がトルソーに着せた服で、出力が人の形を保った服なら、両者には共通の基準点もスケールもポーズもありません。その間で計算した比率は、誤差ではなくトルソーを測っているだけです。センチ単位のサイズ表と比べるか、何とも比べないかです。

個別のディテールは数えてください。ボタン、バックル、見える縫い目、裾の作り――文字の仕様書を読む画像認識モデルなら、ボタン数の変化を確実に見つけます。簡単すぎてやる価値がなさそうに感じるため、多くの人が飛ばすチェックです。

• AIファッションモデル生成――平置きの服をモデルに着せ、この記事の2つの比率チェックの出どころである27項目のQAルーブリックを公開しています。これもゴーストマネキンのツールではなく、同じ商品ページのモデル着用側の半分です。

• EC商品写真――商品写真を出品用の画像に仕上げます。ゴーストマネキン生成ツールではありませんが、その周りのカットに役立ちます。

• AI商品写真ジェネレーター――SKU単位の量で作るテンプレート型のカタログ画像。1枚より全体の統一感が重要な場面向けです。

• ダイカットステッカー入稿データと入稿用アクリルデータ――カタログにアパレルだけでなくグッズも含まれる場合の、同じ分野の製造データ側です。

カタログ規模でアパレルを販売しているなら、DTCブランド向けユースケースが、この記事がその一部である、より広いセットの統一性の問題を扱っています。

現在、ワンクリックのゴーストマネキンボタンは提供していません。 それが目的なら、正直なところ今は専用ツールのほうが役に立ちます。この記事は売り込みとしてより、確認の方法として役立つはずです。

私たちが持っているのは、生成そのものではなく出力を取り巻く規律です。測定可能な受け入れ基準、カタログ全体でのセットの統一性、工場が受け付ける製造データ。これはクライアントワークから生まれたもので、そこでの受け入れ基準は仕様書上の2つの数字――着丈とバスト幅――で、「見た目は合っている」では誰もサインしませんでした。

狭い領域だと率直に言っておきます。AIのアパレル画像の多くは目で判断されますが、シルエットのずれがまさに欺くのはその目です。 数百SKUについて1着あたり5枚を生成するなら、ボトルネックは生成ではなく確認になります。