Masowa obróbka zdjęć produktów za pomocą AI

Budżet: 11000 UAH Termin: 4 dni

Cześć! Zadanie jest jasne: trzeba zbiorczo przetworzyć 38 000 zdjęć z Google Drive za pomocą AI (detekcja dwóch typów stref fotograficznych, Inpainting/Inpainting-lama z usunięciem elementów marki oraz przywróceniem tła bez dotykania produktu, generacja zaktualizowanej struktury i Excel).

Zrealizuję to w Pythonie:

Asynchroniczne ładowanie i pobieranie zdjęć przez Google Drive API / PyDrive2.

AI-pipeline do generacji masek stref fotograficznych i ich inpaintingu (ControlNet / LaMa / modele Inpainting) z przetwarzaniem na GPU na podstawie skryptów automatyzacji.

Walidator do automatycznej weryfikacji zdjęć bez stref fotograficznych (pozostają bez zmian).

Automatyczne tworzenie struktury folderów i generacja podsumowującego Excela (openpyxl).

Jestem gotów zrobić darmowy test na 10-20 zdjęciach z twojego folderu, aby uzgodnić jakość. Napisz w prywatnych wiadomościach, omówimy szczegóły i podam dokładny kosztorys. Rozwiń

Budżet: 26460 UAH Termin: 7 dni

Witam, niedawno robiłem podobny pipeline masowej obróbki zdjęć produktów pod e-commerce: automatyczne wykrywanie strefy zdjęciowej, usuwanie elementów markowych (logo, telefon, napisy) z przywracaniem tła według tekstury i oświetlenia, zachowanie produktu bez zmian. Odczyt Excel z numerami ogłoszeń i URL, przeszukiwanie struktury folderów na Google Drive i zapis nowego drzewa z tymi samymi numerami również było częścią tego samego zadania.

Jeśli zdarzają się zdjęcia z dwiema strefami zdjęciowymi w jednym kadrze, warto od razu dodać krok z detekcją wielu stref i kolejką do ręcznego przeglądu wątpliwych przypadków, to zmniejsza wadliwość o około 10-15%.

Czy to jednorazowa obróbka, czy będą regularne partie, i czy są przykłady zdjęć, gdzie strefa zdjęciowa zajmuje większą część kadru, za produktem? To wpływa na wybór modelu inpaintingu.

Proponuję się skontaktować, przygotuję schemat pipeline'u pod wasze 38000 zdjęć w Pythonie z detekcją stref i inpaintingiem, z terminami i technologiami dostosowanymi do waszego przypadku.

Budżet: 11000 UAH Termin: 5 dni

38 000 zdjęć — to taki skala, gdzie pytanie nie brzmi „czy AI usunie logo”, a „co się stanie w tych dwóch procentach, gdzie się pomyli”. 2% z 38 000 to 760 zepsutych zdjęć, a znalezienie ich wzrokiem jest już niemożliwe. Dlatego buduję pipeline wokół kontroli, a nie wokół samego inpaintingu.

Jak to zrobię:
1. Kalibracja na 300–500 zdjęciach z różnych ogłoszeń i kątów. Pokazuję wynik i ustalamy kryterium akceptacji: co uważamy za czyste tło, co jest dopuszczalne, a co nie. Dopiero po waszym „tak” uruchamiam resztę.
2. Detekcja strefy zdjęciowej — osobny krok od usuwania. Każde zdjęcie klasyfikuję: strefa nr 1 / strefa nr 2 / brak strefy, i zapisuję decyzję z oceną pewności. Zdjęcia bez strefy w ogóle nie ruszam, jak prosiliście.
3. Usuwanie elementów marki inpaintingiem według masek pod konkretną strefę, z przywróceniem tekstury, koloru i oświetlenia tła. Granice produktu chronię osobną maską, aby krawędzie nie były „zjadane”.
4. Automatyczna kontrola jakości: zdjęcia z niską pewnością detekcji lub z anormalnie dużą powierzchnią zmian idą nie do „gotowe”, a do osobnego folderu „do sprawdzenia”. To główna różnica w porównaniu do „przepuszczenia pakietem” — widzicie wątpliwe przypadki, a nie otrzymujecie ich cicho wśród reszty.
5. Na wyjściu: nowy folder na Google Drive z taką samą strukturą według numerów ogłoszeń, zaktualizowana tabela Excel z linkami i trzecim plikiem — raport: ile przetworzono, ile pozostawiono bez zmian, ile w „do sprawdzenia” i dlaczego.

Technologie: Python, Google Drive API, detekcja stref + inpainting (LaMa lub SD-inpaint — wybiorę po kalibracji, na waszych rzeczywistych zdjęciach widać, co lepiej trzyma tło), pandas do tabeli.

11 000 UAH, 5 dni razem z kalibracją.

Pytanie: strefa zdjęciowa — to fizyczny baner lub ściana z napisami za produktem, czy nałożone postprodukcją napisy i logo na kadr? To różne zadania pod względem ryzyka: nałożone usuwa się prawie bez śladów, a fizyczny baner trzeba domalować — i to tam biorą się te procenty wad, dla których potrzebna jest kalibracja. Rozwiń

Budżet: 20000 UAH Termin: 21 dni

Cześć! Zadanie jest jasne: trzeba przetworzyć ~38 000 zdjęć, zidentyfikować strefy fotograficzne i usunąć z nich elementy markowe (logotypy, numery telefonów, napisy), nie dotykając towaru i tła.

Do tego użyłbym kombinacji: detekcja stref fotograficznych za pomocą modelu wizji (GPT-4o lub Google Vision), inpainting przez Stable Diffusion z ControlNet lub SDXL Inpaint, koordynacja całego procesu przez skrypt Pythona, który odczytuje Excel, pobiera URL/foldery z Google Drive i zapisuje wynik w nowej strukturze z aktualizacją tabeli.

Krytycznym miejscem tutaj jest jakość inpaintingu: tło musi być zachowane naturalnie, dlatego przed rozpoczęciem zrobię test na ~100-200 zdjęciach i pokażę wynik do potwierdzenia. Przetwarzanie partiami z Google Drive API, bez ręcznego przesyłania.

Orientacyjny termin: 2-3 tygodnie po potwierdzeniu jakości testu. Koszt: 600-900 USD w zależności od złożoności stref fotograficznych i liczby iteracji. Jestem gotów omówić szczegóły.

Budżet: 7900 UAH Termin: 10 dni

Witaj! Nazywam się Serhij, mam 8-letnie doświadczenie w IT w różnych technologiach: web/mobile, backend, API, integracje, automatyzacja i praca z danymi. Widzę główne zadanie w ten sposób: Masowa obróbka zdjęć produktów za pomocą AI. Należy wykonać jednorazową masową obróbkę zdjęć produktów za pomocą AI. Wynikowe dane to tabela Excel z...

Umiejętności pod zadanie:
- AI/ML, RAG i automatyzacja
- architektura rozwiązania
- rozwój, testowanie i doprowadzenie do wydania
- wsparcie po uruchomieniu

Portfolio: https://software.campstudio.net/#showcases

Budżet: 4000 UAH Termin: 10 dni

Dzień dobry!

Rozumiem, dlaczego to zadanie jest trudne do oceny z góry: 38 000 zdjęć z różnymi kątami i odległościami — to nie jest typowa "pakietowa" obróbka, tutaj ważna jest jakość rozpoznawania fotostrefy na nietypowych kadrach.

Dlatego proponuję nie tylko uwierzyć mi na słowo, ale sprawdzić w praktyce: jestem gotów bezpłatnie obrobić 5-10 waszych rzeczywistych zdjęć (różne kąty, oba warianty fotostrefy) w ciągu dnia po uzyskaniu dostępu — abyście mogli zobaczyć wynik jeszcze przed jakąkolwiek płatnością czy umową.

Technologie: detekcja fotostrefy (z uwzględnieniem, że szablonów jest tylko dwa — to upraszcza naukę/ustawienie) + model inpainting (LaMa) do przywracania tła bez śladów logo, z zachowaniem oświetlenia i tekstury. Pipeline jest całkowicie zautomatyzowany: Excel → Google Drive API → obróbka → nowa struktura folderów według numerów ogłoszeń → zaktualizowany Excel z linkami.

Plan: bezpłatny test (dziś-jutro) → jeśli jakość będzie satysfakcjonująca → pilotaż na 100-200 zdjęć z rejestracją ostatecznej dokładności → pełny zakres 38 000 zdjęć, orientacyjnie 10-15 roboczych dni.

Koszt: test — bezpłatnie. Pełny zakres oceniam dokładnie po teście (według progresywnej stawki $X/1000 zdjęć — mniej za proste kadry, więcej za skomplikowane).

Jestem gotów zacząć już dziś — proszę, prześlijcie link do kilku folderów z różnymi typami zdjęć do testu. Rozwiń

Budżet: 4000 UAH Termin: 7 dni

Dzień dobry
Mogę zająć się realizacją twojego zadania. Wezmę każdą fotografię i opracuję ją za pomocą AI (OpenAI) z wykorzystaniem promptu do oczyszczenia z niepotrzebnych elementów. Na koniec otrzymasz folder w Google Drive z fotografiami oraz nową tabelę Excel z zaktualizowanymi linkami. Koszt za pracę to 4000 UAH za napisanie skryptów + koszt użycia sztucznej inteligencji. Koszt pracy AI będzie można oszacować po opracowaniu pierwszej partii fotografii i osiągnięciu porozumienia co do jakości finalnych obrazów.

Budżet: 7200 UAH Termin: 30 dni

mamy już prawie gotowy moduł masowej obróbki zdjęć towarów - można go szybko dostosować i uruchomić, proponuję omówić szczegóły tutaj, jestem w kontakcie ))

- całkowity koszt - 7200 USD
- termin realizacji - 30 dni kalendarzowych
- technologie - Python, OpenCV, PyTorch, segmentacja towaru i strefy zdjęciowej, maski ochronne towaru, kontrolowane przywracanie tła, przetwarzanie GPU, Google Drive API oraz OpenPyXL

w cenę wchodzi próbka pilotażowa, konfiguracja dwóch stref zdjęciowych, obróbka 38000 zdjęć, weryfikacja wyników, ponowna obróbka odchyleń, zachowanie struktury Google Drive oraz aktualizacja Excela

- czy są dostępne zdjęcia referencyjne obu stref zdjęciowych bez brandingu i towarów?
- czy zgadzacie się na pilotaż 200-300 trudnych zdjęć jako kryterium uruchomienia całego zbioru?

https://business.ingello.com/ua/vorfahr - obróbka AI i poprawa zdjęć towarów

https://business.ingello.com/ua/prime-eva - automatyzacja towarów, produkcji i integracji

https://systems-fl.ingello.com/ua - zespół i format pracy Rozwiń

Budżet: 9000 UAH Termin: 5 dni

Witam, mogę wykonać jednorazową masową obróbkę zdjęć produktów według tabeli Excel i struktury folderów na Google Drive. Stworzę skrypt w Pythonie, który dopasuje numery ogłoszeń do zdjęć, przetworzy obrazy według określonych zasad i zapisze wynik w odpowiedniej strukturze. Przed masowym uruchomieniem proponuję uzgodnić 5-10 testowych przykładów, aby ustalić jakość obróbki i uniknąć ręcznych poprawek. Pracowałem z automatyzacją przetwarzania danych, obrazów, API i zadaniami wsadowymi, dlatego mogę to zrobić starannie i z weryfikacją wyniku. git: github.com/onyx144

Budżet: 3400 UAH Termin: 4 dni

Zadanie: detekcja fotostrefy, usunięcie logo i napisów modelem inpainting, tło i oświetlenie bez zmian.

Przetwarzanie 38000 zdjęć, strukturę folderów na Drive zachowam, Excel zaktualizuję nowymi linkami.

Termin orientacyjnie 4 dni.