Защо стартият контролен списък спре да работи
Всеки широко споделен списък с белези има един и същ проблем: той описва слабостите на моделите, които са съществували, когато е бил написан. Тези слабости са публични, измерими и неудобни, което ги прави точно нещата, за чието поправяне следващата версия е настроена.
Ръцете са най-ясният пример. Броенето на пръсти беше наистина полезно за около осемнадесет месеца, след което се превърна в начин да бъдете самоуверено погрешни в двете посоки: генерираните ръце обикновено са правилни сега, а реалните ръце в движение се размиват във форми, които изглеждат грешни на някой, на когото му е било казано да броя.
Същото се случи с отраженията в очите, асиметрията на ушите и зъбната геометрия, приблизително в този ред. Всичко, което може да бъде описано във вирусна публикация, се подлага на бенчмарк и всичко, подложено на бенчмарк, се поправя.
-
2019
Фоновете са се разтворили Ранните генератори на лица създаваха рязко лице върху размазан фон. Проблемът беше решен, след като моделите се научиха да създават цели сцени.
-
2022
Несъответстващи уши и обеци Асиметричните бижута бяха сигурен сигнал, докато тренировъчните данни не ги обхванаха.
-
2023
Ръце и пръсти Най-цитираният белег от всички. До голяма степен разрешен в рамките на два цикъла на издаване.
-
2024
Текст в кадъра Табелите и надписите станаха четливи, което премахна един лесен начин за разпознаване.
-
2026
Това, което остава, е статистическо Останалите разлики са в текстурата и шума, под прага на човешкото зрение.
Погледнете далеч от лицето
Усилията за генериране се концентрират там, където се концентрира и вниманието. Един модел, обучен на портрети, става много добър в областта, в която хората гледат, и остава по-слаб във всичко останало, което тренировъчният сигнал третира като фон.
Тя се намира там, където са трайните проверки. Запитайте се какво е написано на баджа, дали шапката на ризата продължава правилно зад ръката, дали верижката на колието минава зад врата и излиза на правилното място, и дали стаята зад рамото е място, което може да съществува.
Повтарящият се детайл е другото надеждно семейство. Тапетите, тухлената зидария, листата и лицата в тълпата са скъпи за генериране по кохерентен начин, така че те са склонни да се повтарят, да се отклоняват или да губят своята точка на преход по начин, който човешкото око може да забележи, дори когато портретът пред него е безупречен.
- Текст извън центъра. Значки, табели, гръбчета на книги, опаковки. Централният текст сега обикновено е верен; периферният текст все още е мястото, където всичко се разпада.
- Непрекъснатост през преграда. Презрамка, верижка или ивица, която минава зад нещо и излиза от другата страна грешно.
- Тълпи и повтарящи се обекти. Вторият и третият ред на тълпата или четвъртият стол в редица получават по-малко внимание от първия.
- Кожа при голямо увеличение. Истинската кожа има пори, паднали косъмчета и асиметрични петна. Генерираната кожа често е гладка по начин, който никое осветление не обяснява.
- Където косата се среща с всичко останало. Границата между косата и реда остава една от най-трудните зони за кохерентно рендиране.
Какво вижда детекторът, което вие не можете
Причината да направите проверка, вместо да разчитате на оглед, е, че останалите разлики са под разделителната способност на човешкото зрение. Сензорът на камерата произвежда определен вид шум; процесът на генериране произвежда друг, като нито един от тях не се вижда при нормален размер на гледане.
Това е и причината детекторът и вашите очи да не са на същото мнение. Снимка с очевидна визуална грешка може да получи нисък резултат, защото текстурата ѝ е фотографична, а снимка, която изглежда перфектно, може да получи висок резултат, защото текстурата ѝ не е такава. И двете измервания са информативни и никое от тях не отменя другото.
| Визуален оглед | Пикселен анализ | |
|---|---|---|
| Работи върху | Грешки в композицията и логиката | Структура на текстурата и шума |
| Издържа на компресия | Да | Влошава се |
| Издържа на екранна снимка | Да | Влошава се сериозно |
| Засича малка редакция | Само ако я забележите | Да, чрез картата на регионите |
| Влошава се с времето | Бързо | Постепенно |
Последният ред е полезният. Визуалните белези изчезват с всяка нова версия на модела; детекторът, обучен на много генератори, деградира по-бавно, защото е научил какво общо има синтетичната текстура, а не какво един продукт е объркал през дадена година.
Случаят, който има най-голямо значение: истинско лице, променено
Повечето фалшификати с последствия не са изцяло генерирани портрети. Те са снимки на реални хора с едно променено нещо: друго лице върху същото тяло, добавен обект в ръката, променена значка, премахнат втори човек от кадъра.
Резултатът за целия кадър се справя зле с това по дизайн, тъй като деветдесет процента от изображението наистина е фотография и средната стойност отразява това. Картата на регионите е тази, която го изкарва наяве, и четенето на картата, а не на числото, е единственият навик, който най-много подобрява точността при лицата.
Единадесет плочки се четат като фотографски. Една не се чете така и тя е тази, която покрива лице.
Практичен навик
Отделете пет минути за периферен оглед на портрета: текст, непрекъснатост, повтарящ се модел, граница на косата. След това пуснете проверка и прочетете картата. Двете заедно улавят много повече от което и да е от двете поотделно, като всичко отнема под минута.
Когато залозите са реални, добавете стъпката, която никакъв анализ на пикселите не може да замести: намерете същото лице някъде с история. Профил с три години публикации, тагната снимки от други хора и постоянен работодател е доказателство от вид, който никой генератор не произвежда.
Белезите, които не са мръднали
Две неща устояха на четири години подобрения и двете са свързани с кохерентността на разстояние, а не с локалния детайл. Първото е осветлението: дали всяка повърхност в кадъра е осветена от едни и същи източници, от същите посоки, с еднаква мекота на сенките.
Генерираният портрет обикновено улавя правилно лицето и горе-долу правилно обкръжението, но несъответствието личи в сенките. Твърдата сянка под брадичката до меката сянка на стената зад нея описва две различни стаи.
Второто е дълбочината. Отразяващите повърхности, стъклото, водата и огледалата трябва да съответстват на геометрията на всичко останало, като това често не се случва. Прозорец зад обект, показващ сцена, която не може да бъде там, е видът грешка, която оцелява след надграждането на моделите, защото се нуждае от модел на света, а не от модел на лица.
Никое от двете не е тест, който можете да приложите механично, като и двете отнемат повече време от броенето на пръсти. Това е компромисът: проверките, които все още работят, са тези, които изискват мислене за снимката като за място, вместо сканиране за дефект.