Bakit mataas ang mga score dito
Ang detector ay naghahanap ng mga senyales na ang mga pixel ay ginawa o binago ng software sa halip na kinuha mula sa mundo. Ang Instagram ay isang lugar kung saan halos bawat imahe ay binago ng software nang sinasadya, at kadalasan ay nang ilang beses.
Ang isang tipikal na nai-publish na litrato ay dumaan sa isang camera app na nag-aayos ng exposure, isang editing app na nag-aayos ng tono at nagtatanggal ng mga depekto, isang preset na nagbabago ng kulay nang pangkalahatan, at panghuli ang sariling recompression ng platform sa pag-upload.
Ang bawat isa sa mga hakbang na iyon ay muling nagsusulat ng ugnayan ng pixel. Wala sa kanila ang nagpapapeke sa larawan, at lahat sila ay mukhang, sa isang texture model, na medyo katulad ng bagay na sinanay itong hanapin. Ang resulta ay isang tunay na litrato na kumportable sa bandang apatnapu.
Hindi ito isang kapintasan na partikular sa isang tool. Ang anumang detector na nagbabasa ng pixel statistics ay humaharap sa parehong problema, at ang sinumang nag-aangkin ng mataas na accuracy sa mga heavily edited social content ay sumusukat sa isang benchmark na hindi naglalaman ng marami nito.
Ang ikaapat na row ang kawili-wili, dahil ang pinalitang langit ay tunay na isang generative edit. Ang score ay tumaas dahil sa isang tunay na dahilan doon, at ang region map ay magpapakita na limitado ito sa itaas ng frame sa halip na kumalat sa buong larawan.
Ang pagkakaibang mahalaga: in-edit o ginawa (generated)
Karamihan sa mga imahe sa Instagram na napipili ng detector ay mga litratong na-edit, hindi mga larawang inimbento. Ang mga iyon ay magkaibang claim na may magkaibang bunga, at ang region map ang siyang naghihiwalay sa kanila.
Ang isang gawang imahe ay naglalabas ng init sa buong grid, dahil bawat bahagi nito ay nagmula sa parehong proseso. Ang isang in-edit na litrato ay naglalabas ng malamig na frame na may mainit na bahagi kung saan ginawa ng generative tool ang trabaho nito: isang tinanggal na bagay, isang pinalitang background, isang pinalawak na gilid.
Ang generative fill ay built-in na ngayon sa mga pangunahing editing software, kaya ang pattern na ito ay karaniwan at kadalasang hindi nakakasama. Ang pagtanggal ng estranghero mula sa gilid ng litrato sa bakasyon ay hindi panlilinlang, at ang isang tool na nag-uulat nito nang ganoon ay sumasagot sa tanong na walang nagtanong.
Pagkuha ng magagamit na file
Mas mahirap ito sa Instagram kumpara sa ibang platform, dahil hindi ito nag-aalok ng download at resized na ang ipinapakitang imahe. Ang pinakamagandang kopya ay kadalasang ang load ng browser sa web version, hindi ang ipinapakita ng app.
Ang pag-paste ng post URL ang pinaka-reliable na paraan. Kinukuha nito ang mismong imahe sa halip na re-render ng iyong screen, kaya naiiwasan ang pangalawang compression sa ibabaw ng sa platform.
Kung private ang account, walang pampublikong file na makukuha at wala itong ibang solusyon. Screenshot lang ang opsyon, at ang screenshot ng isang edited at recompressed na imahe ay masyadong mababa ang kalidad para sa pagsusuri.
Ano ang tunay na indikasyon ng isang generated account
Para sa mga account na puro synthetic imagery ang gamit, ang pattern sa buong grid ang magsasabi sa iyo kaysa sa isang imahe lang. Ang consistency ang basehan, at ito ay kabaligtaran ng inaasahan ng mga tao.
- Hindi kapani-paniwalang consistency. Parehong mukha, parehong lighting, sa magkakaibang araw, lungsod, at panahon.
- Walang mga ordinaryong litrato. Ang totoong account ay may mga litratong hindi pulido ang pagkakuha at lighting. Ang mga gawa-gawa ay puro hero shots.
- Nauulit na background. Ang parehong texture ng pader o pattern ng halaman na lumalabas sa mga post na walang kinalaman sa isa't isa.
- Walang litratong galing sa ibang tao. Walang nag-tag sa kanila sa litratong hindi sila ang kumuha.
- Mga komentong hindi akma. Engagement na hindi tumutukoy sa anuman sa loob ng litrato.
Ang bawat isa nito ay tungkol sa set sa halip na sa isang frame, kaya mahina ang isang beses na pagsusuri sa isang post lang. Mag-check ng ilang imahe mula sa parehong account at tingnan ang pattern bago magdesisyon.
Kung ikaw ang creator na pinagdududahan
Madalas itong mangyari sa mga photographer at illustrator, at ang depensa ay provenance, hindi argumento. Itago ang raw file, ang layered project file, at ang version history na na-record ng iyong editing software.
Ang raw file na may camera metadata at tugmang edit history ay mas kapani-paniwala kaysa sa resulta ng anumang detector. Ito rin ang tanging ebidensya na maipakikita dahil hindi ito nakadepende sa model ng iba.
Mga sponsored post at product photography
Sa commercial content mabilis na lumaganap ang generated imagery, at dito rin pinakamataas ang peligro para sa tumitingin. Ang product shot na nagpapakita ng item na hindi umiiral sa totoong buhay ay problema ng consumer, hindi aesthetic.
Iba ang mga palatandaan nito kaysa sa portraits. Tingnan ang surface na kinalalagyan ng produkto, ang anino nito, at kung ang reflections sa packaging ay tugma sa kwarto na nasa background. Ang generated product photography ay madalas tama ang object pero hindi eksakto ang physics ng setting.
Ang text ang isa pang maaasahang check. Ang packaging, labels, at small print ang madalas pagkamalian ng generation, at ang produkto na hindi nababasa nang maayos ang label ay dapat suriing muli, anuman ang sabihin ng score.
Para sa desisyon sa pagbili, hindi ang detection ang pinakamahalaga. Humingi sa nagbebenta ng unedited na litrato ng item sa patag na ibabaw, na kinunan ngayong araw. Madali itong gawin ng totoong seller at mahirap para sa sinumang gumamit lang ng prompt.