Teknik not

Yapay Zekâ Görseli Nasıl Görür? Detail, Kırpma ve Çözünürlük

Yapay zekâ görsel analizi için tam görüntü, yakın plan kırpımı ve ayrıntı düzeyini gösteren şema

Bir görseli yapay zekâya gönderdiğinizde model her pikseli ekrandaki gibi, aynı büyüklükte incelemeyebilir. Sistem önce resmi yeniden boyutlandırabilir, parçalara ayırabilir veya belirli bir ayrıntı düzeyi seçebilir. Bu nedenle küçük bir ekrandaki yazıyı okuyamaması her zaman “görmüyor” anlamına gelmez; ayrıntı modele nasıl sunulduğu da önemlidir.

Bu rehberde yapay zekâ görsel çözünürlüğü, detail seçeneği ve kırpma kararını pratik örneklerle ele alıyoruz. Görseli büyütmek tek başına doğruluğu garanti etmez; amaç, soruya yetecek bağlamı modele doğru ölçekte vermektir.

Yapay zekâ görsel analizi için tam görüntü, yakın plan kırpımı ve ayrıntı düzeyini gösteren şema

Model görseli aynen mi inceler?

Genellikle hayır. Görüntü analizi yapan modellerin görseli hazırlama biçimi modele ve API’ye göre değişir. Girdi yeniden boyutlandırılabilir veya bölümlere ayrılabilir. Bu işlem, tüm resmi görmenin yanı sıra küçük ayrıntıları işleyebilmek için kullanılır; fakat her modelin sınırları ve görsel başına tüketimi aynı değildir.

Bu yüzden “görselin çözünürlüğü şu kadar olmalı” şeklinde her sisteme uyan tek bir kural yoktur. Kullandığınız modelin güncel dokümantasyonuna bakın ve aynı örneği farklı ayrıntı ayarlarıyla karşılaştırın.

Low, high ve auto ne zaman seçilir?

Bazı görsel API’leri low, high ve auto gibi detail seçenekleri sunar; bazı modellerde original gibi başka seçenekler de bulunabilir. Bunların varlığı ve davranışı modele bağlıdır. auto çoğu zaman sistemin uygun yolu seçmesini sağlar. Düşük ayrıntı, sahnenin genelini anlamak gibi kaba incelemelerde işe yarayabilir. Küçük metin, ince nesne veya yoğun bir grafik soruluyorsa daha yüksek ayrıntı ya da destekleniyorsa özgün çözünürlüğe yakın işleme daha uygun olabilir.

Daha yüksek ayrıntı, daha fazla görsel işlem ve kimi sistemlerde daha fazla token veya maliyet anlamına gelebilir. Kesin hesap model ve görsel boyutuna bağlı olduğundan tahmin yerine ilgili modelin belge ve maliyet aracını kullanın.

Tam görsel mi, kırpılmış bölüm mü?

Soru tüm sahneyle ilgiliyse önce tam görseli gönderin: örneğin “Bu uygulama ekranında kullanıcı hangi adımda?” Sorunuz küçük bir yazı veya simge hakkındaysa ilgili alanı yakınlaştırıp kırpmak yardımcı olur. Böylece görüntüdeki önemli bölüm daha büyük yer kaplar.

Bağlamın önemli olduğu durumlarda ikisini birlikte verin: önce genel ekranı, sonra tek bir anlamlı kırpımı ekleyin. Birbirinin neredeyse aynısı çok sayıda kırpım göndermek yerine soruyu yanıtlayacak bir veya iki bölge seçin. Kırparken başlık, sütun etiketi veya uyarı metni gibi yorum için gerekli çevreyi kesip atmayın.

Pratik örnek: küçük yazılı ekran görüntüsü

Bir hata iletisini bulmanız gerekiyor. Önce tüm ekranı verip “Hata bildiriminin bulunduğu alan neresi?” diye sorun. Ardından iletiyi ve hemen çevresindeki başlığı içeren bir kırpımı, “Bu uyarının metnini aynen aktar; emin olmadığın karakterleri işaretle” talimatıyla gönderin. Kırpılmış görüntüyü özgün ekranla karşılaştırın. Metin hâlâ okunmuyorsa daha net bir ekran görüntüsü alın; modelden belirsiz harfleri tahmin etmesini istemeyin.

API kullananlar için istek biçimi kabaca şöyledir; seçeneğin mevcut olup olmadığını ve desteklenen değerleri model belgelerinden doğrulayın:

{
  "type": "input_image",
  "image_url": "https://ornek.com/ekran.png",
  "detail": "high"
}

Hızlı seçim listesi

  • Genel sahne veya renk düzeni: önce auto ya da düşük ayrıntıyı deneyin.
  • Küçük yazı ve ince işaretler: daha yüksek ayrıntı kullanın; mümkünse temiz bir yakın plan da verin.
  • Grafik veya tablo: grafiğin tamamını ve okunması zor bölgenin kırpımını birlikte değerlendirin.
  • Sonuç önemliyse: metni, sayıları ve konumları kaynağın kendisiyle doğrulayın.

Sınırlar ve kaynaklar

Yüksek ayrıntı bulanık, döndürülmüş veya çok küçük yazıyı kusursuz hale getirmez; ayrıca görsel modelinin OCR ve koordinat doğruluğu garanti değildir. Sonucu kaynak görselle karşılaştırın ve hassas bir ölçüm gerekiyorsa model yanıtını tek başına kullanmayın.

Kaynaklar: OpenAI API: Görseller ve görsel anlama · OpenAI API: Görsel girdi maliyeti hesaplayıcısı.

Yazar hakkında

Ali Eren Çınar; mobil uygulamalar, yapay zekâ ve ürün geliştirme üzerine çalışan bağımsız yazılımcı. Cueora, Harcamio, Deep Focus ve Weather Note projelerini geliştiriyor; öğrendiklerini uygulamalı rehberlerle paylaşıyor.

Hakkımda ve diğer uygulamalar

Bir yanıt yazın

E-posta adresiniz yayınlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir