Bakit minamarkahan bilang AI ang isang totoong litrato

Halos palaging dahil naproseso ang file: na-upscale, tinanggalan ng ingay, na-screenshot o mabigat na na-compress. Nagbabasa ang mga detector ng magandang detalye, at muling itinatayo ng pagpoproseso ang magandang detalye sa mga paraang mukhang binuo.

Ang anim na bagay na nagdudulot ng maling positibo

Nagbabasa ang detector ng statistical texture sa pagitan ng mga magkakapitbahay na pixel. Ang anumang muling nagsusulat ng texture na iyon ay naglilipat ng marka, may generator man o wala. Ito ang mga dahilan sa pagkakasunud-sunod na lumilitaw ang mga ito sa pagsasagawa.

Mga screenshot. Ang screenshot ay muling pag-render ng larawan, hindi kopya nito. Ang magandang detalye na binabasa ng modelo ay pinapalitan ng anumang ipinapakita ng screen. Mas malala pa ang mga screenshot ng mga screenshot.
Pag-upscale. Ang anumang tool na nagpapalaki ng larawan ay nag-imbento ng mga pixel na hindi nakuha. Ang mga inimbentong pixel na iyon ay mga binuong pixel, kaya hindi mali ang detector, sinasagot nito ang isang tanong na hindi mo sinasadyang itanong.
Mabigat na pagbabawas ng ingay. Ang mga night mode ng telepono, pagpoproseso sa mababang liwanag at mga filter ng pag-aalis ng ingay ay pinapakinis ang ingay ng sensor na nagemark sa totoong pagkuha. Ang pag-aalis ng ingay na iyon ay nag-aalis ng ebidensya ng camera.
Agresibong pag-retouch. Ang pagpapakinis ng balat, paghihiwalay ng dalas at mga filter ng portrait ay muling nagtatayo ng texture sa mukha. Ang isang mabigat na nire-touch na portrait ay maaaring makakuha ng mas mataas na marka kaysa sa isang bahagyang inedit na binuo.
Malakas na compression. Ang paulit-ulit na pag-save ng JPEG ay sumisira sa magandang detalye sa lahat ng dako. Ang kawastuhan sa nai-publish na benchmark ay bumababa mula 91.3 porsyento sa mga malinis na orihinal hanggang 84.6 porsyento sa kalidad na 40.
Mga maliliit na larawan at mabibigat na crop. Sa ibaba ng humigit-kumulang 576 pixel sa mas maikling bahagi, walang sapat na detalye upang hatiin sa mga rehiyon, at ang marka ng buong frame ay nagiging hindi gaanong maaasahan.

Ang gastos ng muling pag-compress

Mga malinis na orihinal

91.3 %

Kalidad ng JPEG 60

87.3 %

Kalidad ng JPEG 40

84.6 %

Nagsisimula ang axis sa 80% upang mabasa ang slope. Ang mga numero ay mula sa research benchmark, hindi mula sa mga larawang dumarating mula sa buong internet.

Balansadong kawastuhan laban sa kalidad ng JPEG sa nai-publish na benchmark ng modelo. Ibinababa ng bawat muling pag-save ang larawan sa slope na ito.

Bakit ang mga larawan sa modernong telepono ang pinakamahirap na kaso

Ang litrato mula sa isang kasalukuyang telepono ay hindi iisang pagkakalantad. Ito ay ilang frame na pinagsama, tinanggalan ng ingay, pinatalas, at tinimplahan ng kulay ng software bago mo pa ito makita. Ang computational photography at ang paggawa ng larawan ay lumulutas sa magkakapatong na problema, at nag-iiwan sila ng mga magkakapatong na marka.

Ito ay isang tunay na limitasyon kaysa sa isang bug na maaayos. Ang isang night-mode portrait ay mas maraming pinong tekstura na isinulat ng software kaysa sa nakunan ng sensor. Ang detector na nagbabasa ng tekstura na iyon ay nagbabasa ng output ng software, dahil iyon ang naglalaman ng file.

Paano muling sumubok nang maayos

Hanapin ang file, hindi ang kopya nito
Pumunta sa camera roll, memory card, o sa orihinal na export. Ang anumang dumating sa pamamagitan ng chat app, social platform, o screenshot ay na-recompress na.
Ipadala ito bilang file, hindi bilang larawan
Muling nire-compress ng mga messaging app ang anumang ipinadala bilang larawan. Karamihan ay may opsyon para sa dokumento o file na naglilipat ng mga orihinal na byte.
I-off ang pagpoproseso na makokontrol mo
Kung muling kumukuha, huwag paganahin ang mga beauty filter at skin smoothing. Kung saan nag-aalok ang camera ng raw o hindi pa naprosesong opsyon, gamitin ito.
Suriin ang region map
Ang pantay na mainit na mapa sa buong frame ay tumutukoy sa global processing. Ang isang mainit na lugar sa malamig na frame ay tumutukoy sa lokal na pag-edit. Magkaiba ang mga natuklasang iyon.
Ihambing laban sa isang kilalang maayos na litrato
Magpatakbo ng litrato mula sa parehong camera na sigurado ka. Kung magkapareho ang nakuha nitong marka, ang pagpoproseso ng camera ang dahilan sa halip na ang larawan.

Ano ang sinasabi ng pattern sa iyo

58 61 54 63 59 57 55 62 60

Ihambing ito sa isang nabuong frame, kung saan ang mga tile ay nasa siyamnapu, at sa isang lokal na pag-edit, kung saan ang isang tile ay mainit at ang iba ay malamig.

Isang mabigat na naproseso ngunit tunay na litrato. Walang tile na dramatikong namumukod-tangi, ngunit ang bawat tile ay mainit, na siyang itsura ng global processing.

Ang pantay na pagkalat sa gitnang banda ay ang lagda ng isang totoong litrato na dumaan sa napakaraming software. Ito rin ang tapat na sagot: ang larawan ay wala nang sapat na orihinal na detalye upang sumuporta sa tiyak na tawag sa alinmang direksyon.

Kung ikaw ang nasa kabilang dulo ng isang paratang

Ang mga taga-disenyo, litratista, at estudyante ay tinatanong na patunayan na ginawa nila ang kanilang sariling gawain. Hindi ito magagawa ng isang marka, ngunit ang materyal sa paligid nito ay makakatulong.

Panatilihin ang layered source file o ang raw capture. Ang isang working file na may kasaysayan ay mas matibay na ebidensya kaysa sa anumang output ng detector.
Panatilihin ang mga intermediate na bersyon. Ang mga progress shot na may mga timestamp ay mahirap gawin pagkatapos ng pangyayari.
I-export gamit ang Content Credentials kung sinusuportahan ito ng iyong software. Ang isang naka-sign na kredensyal ay kriptograpiko kaysa sa estadistika.
Tanungin kung saan nakasalalay ang paratang. Ang iisang marka mula sa isang hindi pinangalanang tool na walang nai-publish na mga banda ay hindi isang natuklasan, at ang pagsabi nito ay makatwiran.

Kapaki-pakinabang din na malaman na ang direksyon ng error ay hindi random. Ang mga detector ay naka-tune upang makahuli ng mga nabuong larawan, at ang pag-tune na iyon ay ginagawa silang mas handang mag-flag ng tunay na litrato kaysa mag-alis ng hinala sa isang sintetiko. Kung ikaw ang taong pinaghihinalaan, ang tool ay hindi neutral sa iyo, at dapat itong malaman ng sinumang nagbabasa ng resulta bago sila kumilos.

Mga tanong ng mga tao

Gaano kadalas na-flag ang mga totoong larawan bilang AI?

Sa nai-publish na benchmark, ang modelo ay umabot sa 91.3 porsyento ng balansadong kawastuhan sa mga malinis na larawan, na nangangahulugang humigit-kumulang isang larawan sa labing-isa ang nahuhulog sa maling panig ng linya sa ilalim ng mga kontroladong kondisyon. Mas malala ang mga rate sa totoong buhay, dahil ang mga larawan sa totoong buhay ay na-compress, na-crop, at muling nai-save bago umabot sa anumang detector.

Ang pag-edit ba ng larawan sa Lightroom o Photoshop ay nagdudulot ng maling positibo?

Hindi ito ginagawa ng mga karaniwang pagsasaayos. Ang exposure, kulay, pag-crop, at pagtuwid ay nag-iwan sa pinagbabatayan na tekstura na buo. Ang nagpapagalaw sa marka ay ang anumang muling nagtatayo ng detalye: mabigat na pagbabawas ng ingay, skin smoothing, pag-upscale, generative fill, at agresibong pagpapatalas.

Bakit mas mataas ang marka ng aking larawan pagkatapos kong ipadala ito sa isang tao?

Dahil nire-compress ito ng app. Ang karamihan sa mga messaging platform ay muling nag-e-encode ng mga larawan sa pagpapadala, at ang iba ay ginagawa ito nang dalawang beses. Palaging subukan ang file mula sa camera roll sa halip na ang kopyang bumalik sa pamamagitan ng pag-uusap.

Maaari ko bang patunayan na ang larawan ay sa akin kung sinasabi ng isang detector ang iba?

Hindi gamit ang detector, ngunit kadalasang oo sa lahat ng iba pa. Ang raw file, ang layered working document, ang mga intermediate na bersyon, at ang Content Credentials ay magkakasamang gumagawa ng mas matibay na kaso kaysa sa anumang marka. Ang mga tool sa pagtuklas ay ginawa upang mag-isip ng tanong, hindi upang lutasin ang isang pagtatalo sa pagiging may-akda.