Best approach for AI-powered content-aware cropping of 7000+ wallpaper images?

أسئلة
, , ,
1

I’m building an automated workflow to intelligently crop decorative wallpaper images based on customer wall dimensions (width × height in cm). The catalog has 7000+ images with very different subjects (flowers, leaves, geometric patterns, figures, etc.).

My current approach:

  1. AI Agent with OpenAI Vision analyzes the image and returns crop coordinates as percentages (left, right, focal_y)

  2. A JavaScript node converts percentages to pixels based on image dimensions and wall size

  3. A Python/Pillow node executes the actual crop

The problem is that GPT Vision estimates coordinates visually and is sometimes imprecise — subjects like leaves or flowers end up slightly cut at the edges.

What I already tried:

  • Setting temperature: 0 for determinism :white_check_mark:

  • Detailed prompt with design principles and examples :white_check_mark:

  • focal_y for vertical positioning :white_check_mark:

My question: What would be the best approach to improve precision on a large and varied catalog?

  • Refine the prompt further?

  • Add OpenCV in the Python node to detect precise object boundaries after GPT gives the approximate area?

  • Something else entirely?

n8n version: 2.12.2 (Self Hosted) Running via: Docker OS: Windows Executions process: External task runner (Python)

3

Hey @Alessio_Jeshili, welcome!
I think using this:

would improve your project.

Also, prompts are everything in AI agents, so you have to check your prompts here:

Your project idea is awesome, but 7k images are very concerning. Instead, why don’t you let AI generate the image based on the user requirement? I think that would be cheaper than actually picking an image from that huge catalogue.

4

مرحبًا أليسيو،

عثرت على موضوعك بالصدفة أثناء بحثي عن نفس المشكلة من زاوية مختلفة — استخدام Claude (وليس GPT) للحصول على إحداثيات القص للصور الرياضية الافتتاحية، ثم تطبيق القص عبر ImageMagick في n8n. نفس الهندسة، نفس الإحباط: يقدّر النموذج بصريًا وأحيانًا يفتقد الموضوع.

لدي بعض الأسئلة إذا كان لديك الوقت للتطور منذ شهر أبريل:

  1. هل انتهى بك الحال إلى إضافة OpenCV لتحسين الحدود بعد خطوة LLM، أم أن هندسة الطلب حققت لك نتائج كافية؟
  2. هل حاولت الانتقال إلى نموذج مختلف (Gemini أو Claude) أو واجهة برمجية متخصصة للقص مثل Imagga؟
  3. هل لديك أي دروس مستفادة حول كيفية هيكلة مخرجات الإحداثيات — النسب المئوية مقابل البكسل، صندوق الحدود مقابل نقطة التركيز؟

يسعدني مشاركة تكرارات الطلب الخاصة بي إذا كان ذلك مفيدًا بالمقابل.

شكرًا
أندرس