Bakit huminto sa paggana ang lumang checklist
Ang bawat malawakang ibinahaging listahan ng mga tell ay may parehong problema: inilalarawan nito ang mga kahinaan ng mga modelong umiral nang isulat ito. Ang mga kahinaang iyon ay pampubliko, nasusukat, at nakakahiya, na siyang dahilan kung bakit ang mga ito ang mismong bagay na itinutugma ng susunod na release para maayos.
Ang mga kamay ang pinakamalinaw na halimbawa. Ang pagbilang ng mga daliri ay tunay na kapaki-pakinabang sa loob ng labingwalong buwan, pagkatapos ay naging paraan ito para maging tiyak na mali sa magkabilang direksyon: ang mga generated na kamay ay karaniwang tama na ngayon, at ang mga totoong kamay sa motion blur ay nagiging mga hugis na mukhang mali sa isang taong pinagsabihan na magbilang.
Ganito rin ang nangyari sa mga reflection sa mata, asymmetry ng tainga, at dental geometry, sa halos ganoong pagkakasunod-sunod. Anumang bagay na maaaring ilarawan sa isang viral na post ay maba-benchmark, at anumang bagay na maba-benchmark ay maaayos.
-
2019
Naglaho ang mga background Ang mga unang face generator ay gumawa ng matalas na mukha sa isang malabong background. Naayos noong natutunan ng mga modelo ang buong eksena.
-
2022
Hindi tugma ang tainga at hikaw Ang asymmetric na alahas ay isang malakas na signal hanggang sa masakop ito ng training data.
-
2023
Mga kamay at daliri Ang pinakamadalas banggitin na palatandaan. Halos nalutas na ito sa loob ng dalawang release cycle.
-
2024
Teksto sa loob ng frame Naging mababasa na ang mga signage at label, kaya nawala na ang isang madaling palatandaan.
-
2026
Ang natitira ay estadistikal Ang mga natitirang pagkakaiba ay nasa tekstura at ingay, na hindi na kayang makita ng mata.
Tumingin sa labas ng mukha
Ang pagsisikap sa paggawa ng imahe ay nakatuon kung saan nakatuon ang atensyon. Ang modelong sinanay sa mga portrait ay magaling sa bahaging tinitingnan ng mga tao, at nananatiling mahina sa lahat ng itinuturing ng training signal bilang background.
Doon matatagpuan ang mga maaasahang pagsusuri. Itanong kung ano ang nakasulat sa lanyard, kung tama ba ang pagpapatuloy ng pattern sa damit sa likod ng braso, kung ang kuwintas ba ay dumadaan sa likod ng leeg at lumalabas sa tamang lugar, at kung ang silid sa likod ng balikat ay isang lugar na maaaring umiral.
Ang pag-uulit ng detalye ay isa pang maaasahang pamilya ng mga palatandaan. Ang wallpaper, brickwork, dahon, at mga mukha sa karamihan ay mahirap gawin nang magkakaugnay, kaya madalas itong umuulit, nagbabago, o nawawala ang vanishing point sa paraang mahuhuli ng mata kahit pa perpekto ang portrait sa harap nila.
- Teksto na malayo sa sentro. Mga badge, signage, spine ng libro, packaging. Ang sentral na teksto ay karaniwang tama na ngayon; ang peripheral na teksto ang bahaging hindi pa rin nagtutugma.
- Pagpapatuloy sa likod ng isang sagabal. Isang strap, kuwintas, o guhit na pumupunta sa likod ng isang bagay at lumalabas nang mali.
- Mga tao at inuulit na bagay. Ang ikalawa at ikatlong hanay ng mga tao, o ang ikaapat na upuan sa isang hilera, ay hindi gaanong binibigyang-pansin kumpara sa una.
- Balat sa mataas na magnification. Ang totoong balat ay may mga pores, ligaw na buhok, at hindi simetriko na mga batik. Ang ginawang balat ay madalas na makinis sa paraang hindi maipaliwanag ng anumang ilaw.
- Kung saan nagtatagpo ang buhok at iba pa. Ang hangganan sa pagitan ng buhok at background ay nananatiling isa sa mga pinakamahirap na rehiyon na ma-render nang magkakaugnay.
Ang nakikita ng isang detector na hindi mo nakikita
Ang dahilan kung bakit dapat magpatakbo ng pagsusuri sa halip na umasa lang sa inspeksyon ay ang mga natitirang pagkakaiba ay nasa ibaba ng resolusyon ng paningin ng tao. Ang camera sensor ay gumagawa ng partikular na uri ng ingay; ang proseso ng pag-generate ay gumagawa ng iba, at wala sa dalawa ang nakikita sa normal na laki ng pagtingin.
Ito rin ang dahilan kung bakit maaaring hindi magtugma ang detector at ang iyong mga mata. Ang isang larawan na may malinaw na biswal na error ay maaaring makakuha ng mababang marka dahil ang tekstura nito ay photographic, at ang isang larawang mukhang perpekto ay maaaring makakuha ng mataas na marka dahil hindi photographic ang tekstura nito. Parehong mahalaga ang mga pagbabasa, at wala sa dalawa ang nakahihigit sa isa.
| Biswal na inspeksyon | Pagsusuri ng pixel | |
|---|---|---|
| Gumagana sa | Mga error sa komposisyon at lohika | Istruktura ng tekstura at ingay |
| Nakaliligtas sa compression | Oo | Nasisisira |
| Nakakaligtas sa isang screenshot | Oo | Nasisisira nang malala |
| Nakakakuha ng maliit na edit | Kung mapapansin mo lang | Oo, sa pamamagitan ng region map |
| Lumala sa paglipas ng panahon | Mabilis | Unti-unti |
Ang huling hanay ang kapaki-pakinabang. Ang mga biswal na palatandaan ay nababawasan sa bawat release ng modelo; ang isang detector na sinanay sa maraming generator ay mas mabagal mabawasan, dahil natutunan nito kung ano ang pagkakatulad ng synthetic na tekstura sa halip na kung ano ang nagkamali sa isang produkto sa loob ng isang taon.
Ang kasong pinakamahalaga: isang totoong mukha, na binago
Karamihan sa mga makabuluhang pekeng larawan ay hindi ganap na ginawang portrait. Ang mga ito ay mga litrato ng mga totoong tao na may binagong isang bagay: ibang mukha sa parehong katawan, isang bagay na idinagdag sa kamay, isang badge na binago, isang pangalawang tao na inalis sa frame.
Ang score para sa buong frame ay hindi maganda para dito dahil ang siyamnapung porsyento ng imahe ay talagang litrato at nasasalamin iyon ng average. Ang region map ang naglalantad nito, at ang pagbabasa ng mapa sa halip na numero ang iisang ugali na pinaka-nagpapataas ng katumpakan sa mga mukha.
Labing-isang tile ang nabasa bilang photographic. Ang isa ay hindi, at ito ang sumasakop sa isang mukha.
Isang magandang ugali
Bigyan ang portrait ng limang segundo ng peripheral na inspeksyon: teksto, pagpapatuloy, inuulit na pattern, hangganan ng buhok. Pagkatapos ay magpatakbo ng pagsusuri at basahin ang mapa. Ang dalawang ito ay nakakakuha ng higit pa sa anumang magagawa ng isa lang, at ang buong proseso ay wala pang isang minuto.
Kung saan totoo ang mga stake, idagdag ang hakbang na hindi mapapalitan ng anumang pagsusuri ng pixel: hanapin ang parehong mukha sa ibang lugar na may kasaysayan. Ang profile na may tatlong taon ng mga post, mga naka-tag na litrato mula sa ibang tao, at isang consistent na employer ay ebidensya na hindi nagagawa ng anumang generator.
Ang mga palatandaan na hindi nagbago
Dalawang bagay ang nakalaban sa apat na taon ng pag-unlad, at parehong tungkol sa pagkakaugnay sa distansya kaysa sa lokal na detalye. Ang una ay ang ilaw: kung ang bawat ibabaw sa frame ay naiilawan ng parehong mga source, mula sa parehong direksyon, na may mga anino na pareho ang lambot.
Ang isang ginawang portrait ay karaniwang nakukuha ang mukha nang tama at ang paligid nang halos tama, at ang hindi pagtutugma ay makikita sa mga anino. Ang matigas na anino sa ilalim ng baba sa tabi ng malambot na anino sa pader sa likod ay naglalarawan ng dalawang magkaibang silid.
Ang pangalawa ay lalim. Ang mga reflective na ibabaw, salamin, tubig, at mga repleksyon ay kailangang sumang-ayon sa heometriya ng lahat ng iba pa, at madalas ay hindi nila ito ginagawa. Ang isang bintana sa likod ng subject na nagpapakita ng eksenang hindi dapat naroon ay ang uri ng error na nakakaligtas sa mga model upgrade, dahil nangangailangan ito ng modelo ng mundo sa halip na modelo ng mga mukha.
Wala sa dalawa ang pagsusulit na maaari mong ilapat nang mekanikal, at parehong mas matagal kaysa sa pagbilang ng mga daliri. Iyon ang kapalit: ang mga pagsusuri na gumagana pa rin ay ang mga nangangailangan ng pag-iisip tungkol sa larawan bilang isang lugar sa halip na i-scan ito para sa depekto.