Estrai categorie di preset AI dalle foto

Qualche settimana fa abbiamo rilasciato Extract from Image — carichi una fotografia di moda e l'AI compila un preset completo per te. Ha eliminato gran parte delle frizioni nella creazione dei preset ed è da allora una delle nostre funzionalità più utilizzate.

Ma i brand continuavano a porci una domanda diversa: e per un set? Una campagna non è uno scatto, sono sei. Una pagina prodotto non è un preset, è un pacchetto coerente di fronte, retro, tre quarti e dettaglio. Lanciare Extract from Image sei volte di seguito ti dà sei preset, ma ognuno è stato generato isolatamente — quindi le parole derivano. Lo stesso ciclorama caldo viene chiamato „ciclorama beige morbido" in un preset e „sfondo cremoso senza giunzioni" nel successivo. Lo stesso setup di luce a finestra è „direzionale morbida da camera-sinistra" una volta e „luce laterale diffusa" la seconda. Per l'AI che genera l'immagine successiva, sono setup di illuminazione diversi. La tua campagna si frantuma.

Oggi rilasciamo la soluzione: Extract from a Set of Images.

Estrai un'intera categoria in un colpo solo

Il nuovo flusso vive sullo schermo dedicato Categories (lo trovi da Presets → Categories nella sidebar). Clicca sulla card in evidenza Extract from images, scegli 2–6 immagini di riferimento che dovrebbero appartenere alla stessa campagna, e l'AI fa il resto. Quello che ricevi non è un elenco di preset scollegati: è una categoria completa — N preset che condividono tutti la stessa formulazione per le cose che concordano visivamente, e differiscono solo dove le immagini effettivamente differiscono.

La categoria viene creata e persistita atomicamente. I crediti sono addebitati a 1 per immagine (un set di 4 immagini costa quindi 4 crediti) e la nuova categoria viene rinominata automaticamente con un timestamp che puoi rinominare in seguito. Anche la sua thumbnail viene precompilata dalla tua prima referenza, così la individuerai immediatamente nella griglia.

Come funziona

Step 1 — Apri lo schermo Categories

Nell'app, vai su Presets → Categories. Lo schermo si apre con un'unica card hero: „Extract a category from images." Clicca su Get started.

Step 2 — Scegli da 2 a 6 referenze

Il selettore di asset si apre in modalità multi-selezione. Scegli dalla tua libreria, carica un nuovo batch (la drop zone accetta più file alla volta, drag-and-drop o click), o mescola entrambi. I tile selezionati ricevono un badge blu numerato così sai sempre l'ordine, e un contatore in fondo mostra „N / 6 selected" con il pulsante Extract category attivo non appena ne hai selezionati almeno due.

Step 3 — Un solo passaggio, una categoria coerente

Clicca su Extract category e attendi. L'AI analizza le tue referenze come un set coerente ed estrae i preset insieme invece che uno alla volta — è ciò che li mantiene coerenti. Pochi secondi dopo atterri sulla nuova categoria, con N preset già salvati, e puoi iniziare ad applicarli ai tuoi prodotti immediatamente.

La storia della coerenza

Questa è la parte che conta. Chiamare l'estrazione single-image tre volte produce tre preset che derivano. Chiamare Extract from a Set con le stesse tre immagini produce tre preset che condividono formulazione byte-identica in ogni campo dove le immagini concordano visivamente. Lo intendiamo letteralmente — le stringhe sono uguali, carattere per carattere.

Ecco com'è con le tre referenze che abbiamo testato per questo articolo:

Dopo l'estrazione, gli shared traits sono collassati in un'unica formulazione canonica su tutti e tre i preset. Background, style, mood e color palette si leggono identici — e così pure illuminazione e la maggior parte delle impostazioni di camera. Ecco le stringhe byte-identiche che il modello ha scelto per l'intero set:

{
  "background": "Seamless light gray cyclorama with a soft shadow falloff at the floor, creating a clean e-commerce look.",
  "style": "Clean e-commerce studio photography emphasizing the drape and fit of the garment against a neutral backdrop.",
  "mood": "Neutral, professional, and focused on presenting the product clearly without distraction.",
  "color_palette": "Monochromatic scene palette featuring light gray and white tones from the studio background and lighting.",
  "lighting": {
    "direction": "Key light positioned slightly above and straight on, with gentle side fills to minimize harsh shadows.",
    "quality": "Soft, diffused lighting creating smooth gradients and natural-looking highlights on the fabric.",
    "complexity": "Standard studio setup with a primary softbox key light and ambient fill for even, shadowless illumination."
  },
  "camera": {
    "lens": "Standard portrait lens around 50-85mm, providing natural proportions and gentle compression.",
    "angle": "Shot straight on at roughly chest height, maintaining a flat, proportional perspective.",
    "aperture": "Moderate aperture around f/5.6-8 to keep the entire garment in sharp focus."
  }
}

Solo i campi dove le referenze effettivamente differivano hanno ricevuto descrizioni per immagine — posa, inquadratura ed espressione:

{
  "preset_1_full_body": {
    "pose": "Model standing facing forward, legs slightly apart, arms resting naturally at sides, creating a straight and relaxed posture.",
    "camera": { "framing": "Full-body shot, cropped just below the neck and just below the toes, keeping the garment centered in frame." },
    "expression": "Facial expression is not fully visible due to cropping, but head is positioned straight and level."
  },
  "preset_2_mid_shot": {
    "pose": "Model standing slightly angled, hands clasped gently together near the waist, showing the sleeve details.",
    "camera": { "framing": "Three-quarter length shot, cropped just below the knees and at the top of the head." },
    "expression": "Neutral expression with eyes looking slightly downward, conveying a relaxed and understated confidence."
  },
  "preset_3_detail": {
    "pose": "Model facing slightly away from the camera, arms folded and raised near the chest, showcasing the fabric texture and sleeve construction.",
    "camera": { "framing": "Close-up detail shot of the upper torso and arms, cropped at the neck and mid-skirt." },
    "expression": "Facial expression is completely cropped out, focusing entirely on the upper body and hands."
  }
}

Non è normalizzazione post-processata. L'AI valuta le referenze insieme come un set, sceglie formulazione byte-identica dove concordano visivamente, e scrive una formulazione per immagine solo dove non concordano. Applica uno qualsiasi di questi tre preset a un prodotto diverso e otterrai un output che appartiene allo stesso shoot.

Indipendente dal capo per design

C'è un secondo cambiamento da segnalare, perché è la differenza tra un preset che funziona su ogni prodotto che possiedi e uno che funziona solo sul prodotto da cui è stato estratto.

I preset descrivono il contesto fotografico — forma della posa, scena, illuminazione, camera, atmosfera, stile, colore ambientale della scena. Non nominano mai capi specifici, tessuti o colori del capo. Estrai una categoria da un lookbook denim e non vedrai „blue denim" in color_palette. Vedrai la palette della scena: il tono del ciclorama, il cast della luce, l'ambiente. Applica quella categoria a un slip dress in raso e il vestito risulta autentico.

In azione — dalle referenze agli output generati

Ecco lo stesso set di referenze, applicato come categoria. Abbiamo preso i tre preset estratti, li abbiamo abbinati a un modello AI e a un prodotto in flat-lay, e abbiamo lanciato una generazione per preset:

AishaAI Model IdentityIdentità Pro usata per questo esempio

Il flat-lay in input — un wrap dress, deliberatamente un capo completamente diverso dal midi dress in raso nero delle referenze:

Tutti e tre i preset della categoria, applicati uno dopo l'altro allo stesso prodotto:

AI Generated

Il prodotto è nuovo di zecca. La modella è nuova di zecca. Ma i tre output appartengono allo stesso shoot — e allo stesso shoot delle referenze. Lo stesso ciclorama grigio chiaro. La stessa illuminazione direzionale soffusa. La stessa palette monocromatica neutra. La stessa camera frontale. Cambiano solo posa, inquadratura ed espressione — esattamente come variano le referenze, e esattamente come farebbe un vero trio PDP.

Questa è una scheda prodotto completa in tre click: carica il preset Full Body per l'hero, carica Mid Shot per lo slot lifestyle, carica Detail per il primo piano. Passa alla SKU successiva e riusa l'intera categoria — il mondo visivo resta in piedi.

Una categoria è un ottimo punto di partenza. I preset portano scena, illuminazione, atmosfera, palette di colori, camera e forma della posa — tutto ciò che fa sì che le foto appartengano insieme. Non cercano di fissare ogni ultimo dettaglio di styling degli originali (oggetti di scena, accessori, micro-cues di styling), e non dovrebbero: il punto è poter riusare la categoria su prodotti completamente nuovi. Se vuoi che un singolo output copi una referenza specifica ancora più fedelmente, puoi anche fornire quell'immagine di riferimento come secondo input accanto al tuo flat-lay — vedi il trucco coperto nell'articolo sull'estrazione single-image.

Singola immagine vs. set — quando usare cosa

Entrambi i flussi hanno il loro posto. Ecco la suddivisione pratica:

Se ti serve un solo scatto, il flusso single-image è più rapido ed economico. Nel momento in cui ti servono più scatti nello stesso mondo visivo, passa a questo.

Casi d'uso

• Costruisci un brief di campagna da una moodboard. Trascina la moodboard stagionale del tuo team nel selettore e te ne vai con una categoria che cattura il brief in forma applicabile dalla macchina.
• Converti il lookbook di un competitor. Hai visto un set coerente di scatti su un sito di brand che ammiri? Sei click e hai un pack di preset riutilizzabile per i tuoi prodotti.
• Standardizza una PDP multi-scatto. Fronte, retro, tre quarti, dettaglio — estrai da un singolo shoot passato che ti piaceva e riapplicalo a ogni nuova SKU d'ora in poi.
• Onboarda un nuovo collaboratore. Dagli una categoria invece di un PDF di brand-style di 12 pagine. I preset sono il brief.

„La coerenza visiva è il principale driver di fiducia nel brand nell'e-commerce. Gli shoot che vincono in conversion non sono i più costosi — sono quelli in cui ogni immagine appartiene chiaramente allo stesso mondo."

— Senior creative director di una casa di moda europea, in conversazione

Secondo McKinsey, i brand di moda spendono 500–1.000 USD per SKU in fotografia prodotto tradizionale, e il costo si compone quando ogni nuova campagna richiede un fresh shoot per mantenere il catalogo coerente. La ricerca di Shopify rileva che il 75% degli acquirenti online si affida alle foto prodotto al momento dell'acquisto, e Baymard Institute nota che immagini di catalogo il cui stile visivo deriva in modo misurabile aumentano i tassi di rimbalzo sulle pagine categoria. Estrarre un'intera categoria dalle referenze in un singolo passaggio è il modo in cui i brand scalano l'esperienza coherent-shoot senza scalare il budget di produzione.

Provalo ora

Vai su Presets → Categories e clicca su Extract from images. Scegli un pugno di referenze da uno shoot che già ami, e avrai una categoria riutilizzabile in pochi secondi.

Ti serve solo un preset? Il flusso single-image è ancora lì — vedi Create AI Presets from Any Fashion Photo.

Fonti:

1. McKinsey & Company. (2024). The State of Fashion: Technology Edition. mckinsey.com
2. Shopify. (2025). Product Photography Statistics: Why Visuals Drive E-Commerce Sales. shopify.com
3. Baymard Institute. (2025). Product Image UX: How Image Consistency Impacts Conversion. baymard.com