印度餐廳菜單的 AI 食物攝影

印度菜單乾脆地分成兩半，而這兩半要的處理正好相反。咖哩是不透明的碗，蛋白質沉在裡面，只能用講的去說服人。坦都爐的品項正好相反：重要的東西全在表面，就是那些焦痕。焦痕很脆弱，咖哩沒有這個問題。

焦痕是證據，而證據很難壓縮

坦都里烤雞、seekh kebab 與一張烤得對的烤餅，跟烤箱仿製品的差別就在起泡與焦黑的邊緣。它們同時也是細小、高對比的高頻細節，正好是失真壓縮最先丟掉的那一類。而平台會把你送上去的每一張重新編碼。

於是有兩種失敗模式，而且它們往相反方向拉。曝光不足，焦痕融進陰影，那塊肉讀起來就是燒焦而不是帶焦香。為了救陰影細節而過曝，周圍的肉就變得扁平蒼白，而 DoorDash 的打光類退件理由就等在那裡。

解法跟炸雞頁用的是同一個，物理原因也一樣：用比較少的塊數填滿畫面，讓每一塊分到更多像素；並且從低角度、單側打光，讓質地來自真實的明暗對比，而不是低對比的細微色階變化。壓縮保住真正的邊緣，遠比保住細膩來得可靠。

綜合燒烤拼盤是寬的平鋪，裁切起來也一樣——這塊在 BBQ 拼盤頁，包括為什麼均勻打光的拼盤看起來比側光的差。

咖哩那一半的問題正好相反

咖哩天生就是把蛋白質藏起來。醬是不透明的，肉塊沉在裡面，而照片得提出一個主張，卻沒辦法當場示範。

要緊的那條線是 DoorDash 的不實呈現規則：照片必須呈現你廚房實際送出去的那道菜。咖哩送到時早就攪勻了，照片卻拍成六塊雞肉巧妙浮在表面，這就是規則在講的那種份量誇大。裝一份真實的份量，讓自然破出表面的東西自己破出表面。咖哩頁處理了角度與顏色的部分。

重複規則咬在哪裡

DoorDash 明列的十一條退件理由裡有一條是重複：每一個獨立的菜單品項都要有自己的照片，只有完全相同的品項才准共用，它公布的例子是牛肉塔可與雞肉塔可。來源在我們的 DoorDash 照片規格指南。

印度菜單從兩個方向大量製造這個問題：同一種醬配不同蛋白質，以及本來就長得很像的幾種醬。奶油雞、tikka masala、korma 是同一個橘金色奶醬基底的三種變化。在縮圖尺寸下，它們之間的差別比同一道菜在不同天拍的兩張照片還小。

這件事反過來看其實有用。如果你的打光整份菜單都一致，那三者之間真實的差別就會成為畫面裡最大的可見差異，它們就分得開。如果你的打光一直在飄，雜訊會淹掉訊號，每一碗都變得可以互換。

餅是獨立品項，也是獨立問題

烤餅、roti、paratha 通常是各自的品項，這代表各自的照片。它們也是菜單上最扁平的東西。一張扁平的餅在均勻光下從正上方拍，就是一個沒有資訊量的米色橢圓。

焦痕與起泡在這裡一樣是整個重點，所以一樣用側向的掠射光打。但餅跟咖哩不同：最好看的時間窗非常短，之後就變得像皮革。剛出坦都爐就拍，不然就別拍。

一份坦都里、一份咖哩，中間不重打光

連著拍一份坦都爐品項跟一份咖哩，中間不要移動燈。如果焦痕讀起來是質地而不是燒焦斑塊，而咖哩在同一盞光下看起來仍然是金色而不是濁的，你就有了一套涵蓋菜單兩半的設定。這一個測試的價值，高過讓任何一道菜單獨受到特別待遇。

看看 MenuFactory 怎麼運作——讓焦痕保持可讀的那道掠射光，是營業中的廚房裡最難安排的東西，而在這裡它不再是個排程問題。