ما الذي تظهره الخريطة الحرارية للمنطقة ولا يظهره التقييم الرقمي

سواء كان الإطار بالكامل اصطناعياً، أو تم تغيير جزء واحد من صورة حقيقية. تلك مشاكل مختلفة لها عواقب مختلفة، وتقييم واحد يقرأها بنفس الطريقة.

مشكلة الرقم الواحد

تأمل صورتين. الأولى موَّلدة بالكامل وكل جزء منها اصطناعي. الثانية صورة حقيقية لغرفة حقيقية مع إضافة صدع على أحد الجدران.

نموذج الإطار الكامل يختزل كل صورة في رقم واحد. الأولى تحصل على تقييم مرتفع، بشكل صحيح. الثانية تحصل على تقييم منخفض، لأن ثمانية أجزاء من تسعة جاءت من كاميرا، والمتوسط يطمس التعديل.

الصورة الثانية هي التي تكلف شخصاً ما المال. إنها مطالبة التأمين، الإيصال المعدل، صورة القائمة المزوَّرة، صورة الأخبار التي تم تغيير تفصيل فيها. الأداة التي تعطي رقماً واحداً ستبرئها.

الأنماط الثلاثة

بمجرد تقييم الإطار في مربعات، تظهر ثلاثة أشكال، وكل واحد منها يعني شيئاً مختلفاً.

كل مربع مرتفع

91 94 89 96 93 90 88 95 92

الاتساق هو البصمة. الصور الحقيقية لا تحصل تقريباً على هذا التقييم المتساوي، لأن المشاهد الحقيقية بها قوام متنوع.

إطار موَّلد بالكامل. لا يوجد جزء من هذه الصورة جاء من كاميرا، لذا لا توجد مربعات باردة (طبيعية).

مربع واحد مرتفع، والبقية باردة

14 11 16 12 88 13 9 15 10

المربعات الباردة هي التقاط كاميرا حقيقي. المربع الساخن ليس كذلك. هذا هو النمط الذي يدمره الرقم الفردي.

صورة حقيقية بها كائن مُدرج. كان تقييم الإطار بالكامل 31، وهو ما كان سيُقرأ على أنه حقيقي على الأرجح.

دافئة بالتساوي، لا شيء ساخن

58 61 54 63 59 57 55 62 60

متوسطة بشكل موحد. المعالجة الشاملة ترفع كل شيء قليلاً ولا شيء كثيراً، وهي بصمة البرنامج وليس التلفيق.

صورة حقيقية تمت معالجتها بكثافة: الوضع الليلي، تقليل الضوضاء، ثم إعادة الضغط.

كيف تقرأ الخريطة بشكل صحيح

انظر إلى التباعد قبل القمة
الفجوة بين أعلى وأدنى مربع تهم أكثر من القيمة الأعلى. الفجوة الواسعة تشير إلى تعديل محلي؛ الفجوة الضيقة تشير إلى أي شيء حدث للإطار بالكامل.
تحقق مما إذا كانت المربعات الساخنة متجاورة
التعديلات الحقيقية تكون متصلة، لأن الكائنات متصلة. مربعان ساخنان بجانب بعضهما البعض هما إضافة معقولة. مربعان في زوايا متقابلة عادةً لا يكونان كذلك.
قارن مع الصورة
انظر إلى ما هو موجود فعلياً في المنطقة الساخنة. إذا كانت تحتوي على الضرر، أو السعر، أو الوجه، أو الكائن محل النزاع، فهذا له معنى. إذا كانت تحتوي على سماء فارغة، فربما لا يكون لها معنى.
استبعد المربعات ذات التفاصيل القليلة
المناطق المسطحة من السماء أو الجدار أو الماء تحمل إشارة أقل وتقييمها أقل موثوقية. المربع الساخن الذي يغطي جداراً فارغاً يستحق وزناً أقل من المربع الذي يغطي كائناً مفصلاً.
تعامل مع التضارب كعدم يقين
تقييم إطار منخفض مع العديد من المربعات الساخنة المشتتة عادةً ما يكون ضغطاً بدلاً من تعديل. هذا سبب للبحث عن نسخة أفضل، وليس لتقسيم الفرق.

عندما لا يتم إنتاج خريطة

أقل من حوالي 576 بكسل على الجانب الأقصر، لا يمكن تقسيم الإطار إلى مناطق ذات تفاصيل كافية للتقييم بشكل مستقل. تحصل على رقم للإطار الكامل فقط.

هذا قيد حقيقي على الصور المصغرة، وصور الملف الشخصي، والصور المأخوذة من تطبيقات الدردشة، وهي للأسف حيث تصل الكثير من الصور المشبوهة. العثور على نسخة أكبر من نفس الصورة هو عادةً الخطوة التالية الأكثر فائدة.

لماذا هذا الأمر يهم أكثر من الدقة

تحسين نموذج الإطار الكامل من 91 إلى 93 بالمئة يغير القليل جداً لشخص يفحص صورة مطالبة. القدرة على رؤية أن زاوية واحدة من الإطار تتصرف بشكل مختلف عن البقية تغير النتيجة تماماً.

عرض المنطقة يجعل النتيجة قابلة للتفسير أيضاً، وهو أمر مهم حيثما يجب تبرير القرار لاحقاً. يمكن للمشرف أو معالج المطالبات أو المحرر الإشارة إلى جزء معين من صورة وقول سبب تدقيقهم فيه. لا أحد يستطيع فعل ذلك بنسبة مئوية.

لماذا مربعات متداخلة بدلاً من شبكة عادية

الشبكة العادية لديها نقطة ضعف تظهر فوراً في الممارسة العملية. التعديل الذي يقع على الحدود يتم تقسيمه بين مربعين، وكل منهما يرى نصف الأدلة مقابل مربع كامل من البكسلات الأصلية. كلاهما يعود بتقييم متوسط، وتختفي النتيجة.

تداخل المربعات يحل ذلك. كل نقطة في الإطار تقع بالكامل داخل منطقة واحدة على الأقل، لذا يتم تقييم الإضافة الصغيرة مقابل مربع تهيمن عليه بدلاً من مربع تشاركه. التكلفة هي تشغيل النموذج عدة مرات، وهو على جهاز محلي يستغرق ثانية.

وهذا يفسر أيضاً سبب إضاءة المربعات المتجاورة معاً في كثير من الأحيان. كائن واحد مُدرج يقع عبر منطقتين متداخلتين يرفع كليهما، ولهذا السبب التجاور هو إشارة داعمة وليس علامة على تعديلين منفصلين.

النتيجة العملية هي أن أعداد المربعات تختلف باختلاف شكل الصورة. يتم تقسيم البانوراما العريضة بشكل مختلف عن الصورة الشخصية المربعة، ويتم الإبلاغ عن أبعاد الشبكة مع كل نتيجة حتى تتمكن من رؤية مدى دقة تقسيم الإطار.

أسئلة يطرحها الناس

ما الذي تظهره الخريطة الحرارية على أداة كشف صور الذكاء الاصطناعي؟

كيف يتم توزيع الإشارة الاصطناعية عبر الإطار بدلاً من حساب متوسطها. يتم تقييم كل مربع بمفرده بواسطة نفس النموذج، حتى تتمكن من رؤية ما إذا كانت الصورة بأكملها تبدو موَّلدة أم جزء واحد منها فقط. هاتان النتيجتان تعنيان أشياء مختلفة جداً.

هل يعني وجود منطقة ساخنة أن ذلك الجزء قد تم تعديله بالتأكيد؟

لا. هذا يعني أن النموذج وجد أقوى إشارة هناك. المناطق المسطحة، أو الضغط العالي في زاوية واحدة، أو منطقة ذات قوام غير عادي يمكن أن ترفع تقييم مربع دون أي تعديل. تعامل معها كمؤشر للنظر بعينيك، وليس كاستنتاج.

لماذا تقييم الإطار الكامل أقل من أعلى مربع؟

لأنه يتم حسابه على الإطار بالكامل بدلاً من كونه الحد الأقصى للمربعات. مساحة أصلية كبيرة تسحب القراءة الإجمالية للأسفل. ولهذا السبب يتم الإبلاغ عن كلا الرقمين بدلاً من رقم واحد.

كم عدد المناطق التي يتم تقييمها؟

يعتمد ذلك على شكل وحجم الصورة، عادةً ما بين ستة واثني عشر مربعاً متداخلاً. تظهر أبعاد الشبكة مع النتيجة حتى تتمكن من رؤية مدى دقة تقسيم الإطار.

هل يمكنني استخدام الخريطة لإثبات أي جزء قد تم تعديله؟

لا، وهذا هو التجاوز الأكثر شيوعاً. تُظهر الخريطة أين يتركز الإشارة الإحصائية، وهو ليس كافياً لتحديد مخطط للتلاعب. فهي تساعد الإنسان على الفحص الدقيق لمنطقة معينة، ولكنها لا تعتبر دليلاً بحد ذاتها.

ماذا لو كان كل جزء مختلفاً دون وجود نمط؟

يعني ذلك عادةً أن الصورة قد خضعت لعمليات معالجة كافية جعلت الإشارة الإقليمية مجرد ضجيج. القيم المبعثرة التي لا تجاور بينها ولا علاقة لها بالمحتوى هي علامة على أن الملف لا يمكنه دعم قراءة واثقة على الإطلاق.