← Lahat ng gabay Sa ilalim ng hood

Isang patnubay sa larangan para sa mga generator ng imahe at kung ano ang naiwan nila

Kung ano ang matataya ng modelo ng pixel, kung ano ang maipapangalan ng file, at kung bakit ang isang detector na nag-aangking tinutukoy ang tool sa likod ng imahe ay sumusobra.

· 8 min na pagbabasa · Best AI Image Detector

Tinataya ng pagsusuri ng pixel na may kinalaman ang isang bagay na may kaugnayan sa pagbuo. Ang file lamang mismo, sa pamamagitan ng credential o naka-embed na marker, ang makakapagpangalan kung aling tool ang gumawa nito. Karamihan sa mga file ay nagdadala ng alinman.

Ang dalawang lane

Ang isang detector ay nagpapatakbo ng dalawang independiyenteng tseke at sinasagot nila ang iba't ibang mga bagay. Ang pagpapanatiling hiwalay sa kanila ay ang pinaka kapaki-pakinabang na ideya sa pahinang ito.

Pagsusuri ng pixel

  • Gumagana pagkatapos ng mga screenshot at compression
  • Nagbabalik ng posibilidad, hindi ng pagkakakilanlan
  • Generator-agnostic sa pamamagitan ng disenyo
  • Hindi makapangalan ng tool
  • Bumababa laban sa mga hindi nakitang arkitektura

Ebidensya ng file

  • Maaaring pangalanan nang eksakto ang tool
  • Cryptographic kapag nilagdaan
  • Inalis ng halos bawat platform
  • Wala sa karamihan ng mga imahe
  • Trivial na tinanggal sa layunin
Gumagana ang kaliwang lane sa halos anumang imahe. Ang kanang lane ay gumagana sa maliit na minorya na nagdadala pa rin ng kanilang sariling rekord.

Ano ang maipapahayag ng isang file

Kapag ang isang imahe ay nagdadala pa rin ng orihinal nitong istraktura, maraming uri ng marker ang maaaring naroroon. Ang bawat isa ay isang pag-angkin na ginawa ng software na sumulat nito sa halip na isang bagay na nagmula sa mga pixel.

  • Content Credentials. Isang nilagdaang manifest na nagpapangalan sa tool at kung ano ang ginawa nito. Ang ilang mga pangunahing generator ngayon ay lumalagda sa kanilang output, na siyang pinakamalakas na anyo nito.
  • Mga parameter ng pagbuo. Maraming bukas na tool ang nag-e-embed ng prompt, seed, sampler at pangalan ng modelo nang direkta sa file, na mas maraming impormasyon kaysa sa inaasahan ng karamihan ng mga tao na makita.
  • Mga identifier ng software. Isang simpleng patlang ng metadata na nagpapangalan sa aplikasyon na huling nag-save ng imahe.
  • Mga ipinahayag na watermark ng AI. Isang flag na nagsasaad na ang isang invisible na watermark ay inilapat, na isang pagpapahayag sa halip na ang mismong watermark.
  • Mga pag-angkin sa pagkuha ng camera. Ang kabaligtaran na pag-angkin, na ginawa ng isang naglalagda na camera, na ang file ay nagmula sa isang sensor.

Ang lahat ng ito ay nawawala sa sandaling ang isang imahe ay na-upload sa halos anumang platform. Iyon ang dahilan kung bakit ang isang pag-scan ng file ay nagkakahalaga ng pagpapatakbo at hindi kailanman nagkakahalaga ng pag-asa: kapag nakakita ito ng isang bagay ang pagtuklas ay malakas, at wala itong nakikitang anuman sa karamihan ng oras.

Bakit mahirap pangalanan ang generator

Mukhang posible ito. Ang iba't ibang mga tool ay gumagawa ng iba't ibang mga aesthetics, at ang isang tao na gumugugol ng oras sa kanila ay kadalasang makakahula nang tama. Ang intuwisyon na iyon ay hindi lumilipat sa isang detector para sa tatlong dahilan.

Ang mga modelo ay nagbabahagi ng mga arkitektura at data ng pagsasanay, kaya ang kanilang mga istatistikal na fingerprint ay nagpapatong-patong nang husto. Maraming mga tool ang mga fine-tune ng parehong base, na ginagawang malapit sa hindi makikilala sa antas ng texture kahit na ang kanilang mga output ay mukhang iba sa isang tao.

Ang mga output ay nakakakuha din ng post-processed. Ang upscaling, pagpapanumbalik ng mukha at pag-edit ay nangyayari pagkatapos ng pagbuo at muling isinusulat nang eksakto ang texture na nakasalalay sa pagkakakilanlan. Sa oras na mai-publish ang isang imahe, maaaring magdala ito ng higit pa sa upscaler kaysa sa generator.

At ang target ay patuloy na gumagalaw. Ang anumang modelo ng pagkakakilanlan ay isang lookup table ng mga bagay na umiral na, na ginagawa itong mali tungkol sa anumang inilabas mula nang ito ay sanayin, sa paraang tahimik kaysa sa halata.

Ano ang aktwal na ibig sabihin ng magandang saklaw

Ang kapaki-pakinabang na tanong tungkol sa isang detector ay hindi kung aling mga generator ang kinikilala nito sa pangalan. Ito ay kung gaano kalawak ang pagsasanay, dahil ang lawak ay kung ano ang humuhula ng pagganap sa modelo na hindi pa ipinapadala.

Dalawang paraan upang bumuo ng saklaw
PamamaraanLakasKahinaan
Magsanay sa ilang mga pangunahing komersyal na toolMataas na katumpakan sa mga tool na iyonMahinang pangkalahatan sa anupaman
Magsanay sa libu-libong mga generatorNakalalahat sa mga hindi nakitang modeloMas mababang peak na katumpakan sa anumang solong isa
Maghanap ng artepakto ng isang arkitekturaNapakataas habang tumatagal itoNabibigo nang tuluyan kapag nagbago ang pamamaraan
Basahin lamang ang mga marker ng fileEksaktong kapag naroroonBulag sa karamihan ng mga imahe

Ang pangalawang hilera ay ang diskarte na ginamit dito, at ang kalakalan ay sadyang ginawa. Ang isang detector na napakahusay sa apat na produkto at walang silbi sa ikalima ay hindi gaanong kapaki-pakinabang para sa pagsusuri ng isang imahe na ipinadala sa iyo ng isang tao.

Sa mga pangalan ng produkto

Ang mga listahan ng mga suportadong generator ay isang artepakto ng marketing kaysa sa teknikal. Ang isang modelo ng pixel ay walang listahan; mayroon itong pamamahagi ng pagsasanay. Ang pagpapangalan sa mga produkto ay nagpapahiwatig ng kakayahan sa bawat tool na walang malawakang pagtuklas at hindi kailangan.

Kung saan ang isang pangalan ay lumilitaw sa isang resulta dito, ito ay nagmula sa file sa halip na mula sa mga pixel, at sinasabi ito ng resulta. Ang pagkakaibang iyon ay nagkakahalaga ng iginiit mula sa anumang tool na ginagamit mo.

Paano magbasa ng isang pag-angkin sa saklaw

Inlalarawan ng mga vendor ang saklaw sa mga paraan na tunog maihahambing at hindi. Tatlong parirala ang paulit-ulit na lumilitaw at ang bawat isa ay may kahulugan na iba.

Nakakakita ng mga imahe mula sa X, Y at Z ay karaniwang nangangahulugan na ang benchmark ay naglalaman ng tatlong iyon. Ito ay isang pahayag tungkol sa pagsubok sa halip na tungkol sa kakayahan, at wala itong sinasabi tungkol sa ikaapat na generator.

Sinusuportahan ang higit sa apatnapu't mga generator ay karaniwang nangangahulugan na ang set ng pagsasanay ay nagmula sa napakaraming mga mapagkukunan. Mas makahulugan iyon, dahil ang lawak ng pagsasanay ay kung ano ang humuhula ng pangkalahatan, at hindi pa rin ito garantiya tungkol sa anumang partikular na tool.

Ang pagtukoy sa pinagmulang modelo ang pinakamahirap na claim na patunayan. Itanong kung ang pagtukoy na iyon ay nagmula sa file o sa mga pixel. Kung ito ay mula sa mga pixel, hingin ang kawastuhan ng pagtukoy nang hiwalay sa kawastuhan ng pag-detect, dahil ang mga ito ay magkaibang-magkaiba.

Mga tanong ng mga tao

Masasabi ba ng isang detector kung ang isang larawan ay partikular na nagmula sa Midjourney?
Lamang kung ang file ay nagdadala pa rin ng credential o marker na nagsasabi nito, na bihirang mangyari kapag ang isang larawan ay naibahagi na kahit saan. Mula sa mga pixel lamang, hindi. Ang mga modelong binuo sa mga nakabahaging arkitektura at data ng pagsasanay ay may magkakapatong na fingerprint, at nilalabuan ng post-processing ang kaunting naghihiwalay sa kanila.
Naglalagay ba ng watermark ang mga tagalikha ng AI sa kanilang output?
Ang iba ay naglalagay, gamit ang alinman sa isang hindi nakikitang pattern sa mga pixel o isang naka-sign na credential sa file, at maraming pangunahing tool ngayon ang gumagawa ng isa o pareho. Bahagyang lamang ang saklaw, karaniwang hindi ito ginagawa ng mga bukas na modelo, at ang alinman dito ay maaaring alisin sa pamamagitan ng pag-crop, muling pag-encode, o pag-upload sa isang platform.
Bakit minsan ay pinapangalanan ng isang resulta ang isang tool?
Dahil sinabi ito ng file. Ang ilang generator ay direktang naglalagay ng pangalan ng modelo, prompt, at seed sa metadata ng larawan. Iyon ay isang malakas na natuklasan kapag naroroon, at ito ay isang deklarasyon na ginawa ng software sa halip na isang bagay na nagmula sa larawan.
Nangangahulugan ba ang mas mahabang listahan ng mga sinusuportahang generator na mas mahusay na detector?
Hindi talaga, at nararapat na maging mapag-alinlangan sa isa. Ang isang pixel model ay gumagana sa isang statistical property na ibinabahagi sa mga generator kaysa sa bawat produkto. Ang isang mahabang listahan ay karaniwang naglalarawan kung ano ang nasa test set, na hindi pareho sa kung ano ang kaya ng tool.
Paano ang mga larawan mula sa isang generator na inilabas noong nakaraang linggo?
Asahan ang nabawasang kawastuhan, sa direksyon ng isang false negative. Ang hindi pa nakikitang output ay madalas na may mababang marka sa halip na hindi tiyak, kaya naman ang isang larawan na pinagdududahan mo para sa iba pang mga dahilan ay karapat-dapat sa pag-aalinlangan kahit na ang pagsusuri ay lumabas na malinis.
Sulit bang suriin ang file kung ang metadata ay karaniwang tinatanggal?
Oo, dahil wala itong gastos at paminsan-minsan ay direktang nilulutas ang tanong. Ang isang wastong credential na nagdedeklara ng paglikha ng AI ay nagtatapos sa pagsusuri sa isang hakbang. Ang pag-scan ay tumatakbo kasabay ng pagsusuri ng pixel sa alinmang paraan, kaya walang dapat pagpasyahan.