10 fotos de producto a 500 px con IA

Prueba del paquete de Google Shopping: fotos de menos de 500 × 500 px ampliadas con SeedVR2 7B (fp16, en local) siguiendo el LEEME del paquete. Lado corto hasta 1500 px sin pasar de ×4; las miniaturas, lo justo para llegar a 500. Mismo formato que el original: JPG al 92 %, PNG con su transparencia y los GIF pasados a PNG.

4buenas: van a la devolución

6malas: texto cambiado o detalles inventados, a malas/

9-14 spor foto en la RTX 5090

10 / 10cumplen medida, proporción, 16 MB y 64 MP

Lo que sale bien: lo grande. Marcas, referencias, calibres y tonos (A2, A3, A5, A24B, REF A 0363, G850, R-200263) salen exactos y mucho más nítidos, y el fondo no cambia. Lo que sale mal: la letra pequeña que en el original ya no se lee. La IA la reescribe nítida y equivocada: «Net Wt.» → «Reef Wt.», «Dental Adhesive» → «Comfal AiDeEes», «Paris» → «Padas».

Las 10, una a una

Arrastra sobre cada foto para comparar: a la izquierda, el original ampliado a la misma medida con el suavizado normal; a la derecha, la IA. Debajo, el original a su tamaño real dentro de un cuadro de 500 × 500 px, que es lo que pide Google, y el recorte donde se juega el texto.

Por qué no basta con ampliar lo justo

Probé a repetir las seis malas ampliando solo hasta 500 px, por si con menos margen el modelo inventaba menos. Es al revés: inventa mucho más. En el bote de la derecha, el tono A3 de la tapa pasa a A2, «InLine» sale «ElaLine» y en la caja de ProFile «REF A 0363» sale «REF A 9065». El modelo trabaja en bloques de unos 16 px: con poca ampliación una letra ocupa menos que un bloque y la vuelve a dibujar.

Original 463 × 438 — Original, 463 × 438 (ampliado aquí por el navegador)

IA a 1586 × 1500 — IA ×3,4 → 1586 × 1500: tonos A2 y A3 correctos

IA a 529 × 500 — IA ×1,14 → 529 × 500: la tapa A3 dice A2

Qué saco de la prueba

Para fotos con poco texto o texto grande (fresas, limas, instrumental, aparatos), SeedVR2 las deja bien y con el producto bastante más nítido.
Con letra pequeña ilegible en el envase, la reescribe mal casi siempre. Esas fotos no se pueden mandar sin revisarlas a ojo, y la mayoría acabarán en la lista de fotos a pedir al proveedor (o en el lienzo, si lo tienen).
Hay que ampliar mucho (×3-×4), nunca lo justo: a 500 px el modelo inventa incluso el texto grande.
La revisión no se puede automatizar del todo: los fallos son de letras, y solo se ven con recortes ampliados. Con 13.192 fotos, convendría separar antes las que tienen texto pequeño.