Warum die alte Checkliste nicht mehr funktioniert
Jede weit verbreitete Liste von Merkmalen hat dasselbe Problem: Sie beschreibt die Schwächen der Modelle zum Zeitpunkt ihrer Erstellung. Diese Schwächen sind öffentlich, messbar und peinlich – und damit genau das, worauf das nächste Release hin optimiert wird.
Hände sind das deutlichste Beispiel. Fingerzählen war etwa 18 Monate lang nützlich, danach wurde es zu einer Methode, um in beide Richtungen falschzuliegen: Generierte Hände sind heute meist korrekt, und echte Hände in Bewegung verschwimmen zu Formen, die für jemanden, der zum Zählen angeleitet wurde, falsch aussehen.
Dasselbe gilt für Lichtreflexionen in den Augen, Asymmetrien der Ohren und die Zahngeometrie – ungefähr in dieser Reihenfolge. Alles, was in einem viralen Beitrag beschrieben werden kann, wird gebenchmarkt, und alles, was gebenchmarkt wird, wird korrigiert.
-
2019
Verschwommene Hintergründe Frühe Gesichtsgeneratoren erzeugten ein scharfes Gesicht auf einem verschwommenen Hintergrund. Behoben, sobald Modelle ganze Szenen lernten.
-
2022
Ohren und Ohrringe passten nicht zusammen Asymmetrischer Schmuck war ein deutliches Signal, bis Trainingsdaten dies abdeckten.
-
2023
Hände und Finger Das meistzitierte Erkennungsmerkmal überhaupt. Innerhalb von zwei Modellgenerationen weitgehend gelöst.
-
2024
Text im Bild Beschilderungen und Etiketten wurden lesbar, wodurch ein einfacher Hinweis entfiel.
-
2026
Was bleibt, ist statistischer Natur Die verbleibenden Unterschiede liegen in Textur und Rauschen, unterhalb der Auflösung des menschlichen Auges.
Blicken Sie weg vom Gesicht
Der Aufwand der Generierung konzentriert sich dort, wo sich die Aufmerksamkeit bündelt. Ein auf Porträts trainiertes Modell wird sehr gut in dem Bereich, den Menschen ansehen, bleibt aber schwächer bei allem, was das Trainingssignal als Hintergrund behandelte.
Genau dort finden sich verlässliche Prüfpunkte. Achten Sie darauf, was auf dem Schlüsselband steht, ob das Muster auf dem Hemd hinter dem Arm korrekt weiterläuft, ob die Kette einer Halskette hinter dem Hals verläuft und an der richtigen Stelle wieder hervortritt und ob der Raum hinter der Schulter ein real existierender Ort sein könnte.
Sich wiederholende Details sind die andere verlässliche Kategorie. Tapeten, Mauerwerk, Laub und Gesichter in Menschenmengen sind aufwendig kohärent zu generieren. Sie neigen daher zu Wiederholungen, Verzerrungen oder verlieren ihren Fluchtpunkt – Details, die das Auge erkennen kann, selbst wenn das Porträt davor makellos ist.
- Text außerhalb der Bildmitte. Ausweise, Beschilderungen, Buchrücken, Verpackungen. Text in der Bildmitte ist mittlerweile meist korrekt; am Bildrand treten nach wie vor Fehler auf.
- Kontinuität bei Verdeckungen. Ein Riemen, eine Kette oder ein Streifen, der hinter einem Objekt verläuft und fehlerhaft wieder auftaucht.
- Menschenmengen und wiederholte Objekte. Die zweite und dritte Reihe einer Menschenmenge oder der vierte Stuhl in einer Reihe erhalten weniger Aufmerksamkeit als die vorderen Elemente.
- Haut bei starker Vergrößerung. Echte Haut weist Poren, vereinzelte Härchen und asymmetrische Unreinheiten auf. Generierte Haut ist oft auf eine Weise glatt, die sich durch keine Beleuchtung erklären lässt.
- Übergänge von Haaren zur Umgebung. Die Grenze zwischen Haar und Hintergrund bleibt einer der am schwersten kohärent darstellbaren Bereiche.
Was ein Detektor sieht, was Sie nicht sehen können
Der Grund für eine technische Analyse statt einer rein visuellen Prüfung liegt darin, dass die verbleibenden Unterschiede unterhalb der menschlichen Sehschärfe liegen. Ein Kamerasensor erzeugt eine bestimmte Art von Rauschen; ein Generierungsprozess erzeugt ein anderes. Bei normaler Ansichtsgröße ist beides nicht sichtbar.
Aus diesem Grund können ein Detektor und Ihre Augen auch zu unterschiedlichen Ergebnissen kommen. Ein Bild mit einem offensichtlichen visuellen Fehler kann einen niedrigen Wert erzielen, weil seine Textur fotografisch ist. Ein Bild, das perfekt aussieht, kann einen hohen Wert erzielen, weil seine Textur synthetisch ist. Beide Messungen liefern nützliche Hinweise, und keine hebt die andere auf.
| Visuelle Prüfung | Pixelanalyse | |
|---|---|---|
| Funktioniert bei | Kompositions- und Logikfehlern | Textur- und Rauschstruktur |
| Übersteht Komprimierung | Ja | Verschlechtert sich |
| Übersteht einen Screenshot | Ja | Verschlechtert sich stark |
| Erkennt kleine Bearbeitungen | Nur, wenn Sie sie bemerken | Ja, über die Regionskarte |
| Verliert mit der Zeit an Wirkung | Schnell | Allmählich |
Die letzte Zeile ist die entscheidende. Visuelle Erkennungsmerkmale verlieren mit jeder neuen Modellversion an Wert; ein Detektor, der über viele Generatoren hinweg trainiert wurde, altert langsamer, da er gelernt hat, was synthetische Texturen gemeinsam haben, anstatt was ein einzelnes Produkt in einem bestimmten Jahr falsch gemacht hat.
Der wichtigste Fall: Ein echtes Gesicht, nachträglich verändert
Die folgenschwersten Fälschungen sind keine vollständig generierten Porträts. Es sind Fotos realer Personen mit einer einzelnen Änderung: ein anderes Gesicht auf demselben Körper, ein hinzugefügter Gegenstand in der Hand, ein verändertes Abzeichen, eine aus dem Bild entfernte zweite Person.
Ein Gesamtwert für das Bild erfasst dies bauartbedingt nur schlecht, da neunzig Prozent des Bildes tatsächlich ein Foto sind und der Durchschnitt dies widerspiegelt. Die Regionskarte macht dies sichtbar. Das Lesen der Karte statt des reinen Zahlenwerts ist die effektivste Methode, um die Genauigkeit bei Gesichtern zu erhöhen.
Elf Segmente werden als fotografisch eingestuft. Eines nicht – und genau dieses deckt ein Gesicht ab.
Eine bewährte Vorgehensweise
Prüfen Sie das Porträt fünf Sekunden lang in den Randbereichen: Text, Kontinuität, sich wiederholende Muster, Haaransatz. Führen Sie dann eine Analyse durch und lesen Sie die Regionskarte. Beides zusammen erkennt deutlich mehr als jede Methode für sich, und der gesamte Vorgang dauert unter einer Minute.
Wenn viel auf dem Spiel steht, ergänzen Sie den Schritt, den keine Pixelanalyse ersetzen kann: Suchen Sie dasselbe Gesicht an einem Ort mit Historie. Ein Profil mit drei Jahren an Beiträgen, markierten Fotos anderer Personen und einem konsistenten Arbeitgeber ist ein Beleg, den kein Generator erzeugen kann.
Erkennungsmerkmale, die Bestand haben
Zwei Aspekte haben vier Jahren des Fortschritts standgehalten. Bei beiden geht es um die Kohärenz über Entfernungen hinweg und nicht um lokale Details. Der erste ist das Licht: ob jede Oberfläche im Bild von denselben Quellen, aus denselben Richtungen und mit Schatten gleicher Weichheit beleuchtet wird.
Ein generiertes Porträt trifft das Gesicht meist gut und die Umgebung annähernd richtig – die Unstimmigkeit zeigt sich in den Schatten. Ein harter Schatten unter dem Kinn neben einem weichen Schatten an der Wand dahinter beschreibt zwei unterschiedliche Räume.
Der zweite Aspekt ist die Tiefe. Spiegelnde Oberflächen, Glas, Wasser und Spiegel müssen zur Geometrie aller anderen Elemente passen, was oft nicht der Fall ist. Ein Fenster hinter einer Person, das eine Szene zeigt, die dort unmöglich zu sehen sein könnte, ist die Art von Fehler, die Modell-Updates übersteht, da dafür ein Modell der physischen Welt erforderlich ist und nicht nur ein Modell von Gesichtern.
Keines von beiden ist ein Test, den man mechanisch anwenden kann, und beide dauern länger als das Zählen von Fingern. Das ist der Kompromiss: Die Prüfungen, die weiterhin funktionieren, erfordern es, das Bild als räumlichen Ort zu begreifen, anstatt es nur nach Fehlern abzusuchen.