Apa yang ditunjukkan oleh peta panas wilayah yang tidak dapat ditunjukkan oleh sebuah skor

Apakah seluruh bingkai bersifat sintetis, atau satu bagian dari foto asli telah diubah. Itu adalah masalah yang berbeda dengan konsekuensi yang berbeda pula, dan satu skor tunggal membaca keduanya sebagai hal yang sama.

Masalah dengan satu angka

Pertimbangkan dua gambar. Yang pertama dihasilkan dari awal hingga akhir dan setiap bagiannya bersifat sintetis. Yang kedua adalah foto asli dari ruangan asli dengan retakan yang ditambahkan ke satu dinding.

Model seluruh bingkai mereduksi masing-masing menjadi satu angka saja. Yang pertama mendapat skor tinggi, dengan benar. Yang kedua mendapat skor rendah, karena delapan persembilannya berasal dari kamera, dan rata-rata tersebut mengaburkan suntingan tersebut.

Gambar kedua adalah gambar yang merugikan seseorang secara finansial. Itu adalah klaim asuransi, tanda terima yang diubah, foto daftar yang direkayasa, gambar berita dengan detail yang diubah. Alat yang melaporkan satu angka akan meloloskannya.

Tiga pola

Setelah bingkai dinilai dalam bentuk petak, tiga bentuk akan muncul, dan masing-masing memiliki arti yang berbeda.

Setiap ubin tinggi

91 94 89 96 93 90 88 95 92

Konsistensi adalah ciri khasnya. Foto asli hampir tidak pernah mendapat skor yang begitu merata, karena pemandangan nyata memiliki tekstur yang bervariasi.

Bingkai yang sepenuhnya dihasilkan oleh AI. Tidak ada bagian dari gambar ini yang berasal dari kamera, jadi tidak ada petak yang dingin.

Satu petak panas, sisanya dingin

14 11 16 12 88 13 9 15 10

Petak yang dingin adalah hasil tangkapan kamera asli. Petak yang panas bukan. Inilah pola yang dihancurkan oleh satu angka.

Foto asli dengan objek yang disisipkan. Skor seluruh bingkai adalah 31, yang akan terbaca sebagai kemungkinan asli.

Hangat merata, tidak ada yang panas

58 61 54 63 59 57 55 62 60

Sedang secara seragam. Pemrosesan global menaikkan segalanya sedikit dan tidak ada yang banyak, yang merupakan sidik jari perangkat lunak alih-alih fabrikasi.

Foto asli yang telah diproses secara ekstensif: mode malam, pengurangan noise, lalu dikompresi ulang.

Cara membaca peta dengan benar

Perhatikan selisih sebelum puncak
Jarak antara petak tertinggi dan terendah lebih penting daripada nilai tertinggi. Jarak yang lebar mengarah ke suntingan lokal; jarak yang sempit mengarah pada apa pun yang terjadi pada seluruh bingkai.
Periksa apakah petak panas saling berdampingan
Suntingan nyata bersifat berdekatan, karena objek bersifat berdekatan. Dua petak panas yang berdampingan adalah sisipan yang masuk akal. Dua di sudut yang berlawanan biasanya tidak.
Bandingkan dengan gambar
Lihat apa yang sebenarnya ada di wilayah panas tersebut. Jika wilayah tersebut berisi kerusakan, harga, wajah, atau objek yang dipersengkatakan, itu bermakna. Jika berisi langit kosong, kemungkinan besar itu bukan.
Abaikan petak dengan sedikit detail
Area datar berupa langit, dinding, atau air membawa lebih sedikit sinyal dan mendapat skor yang kurang andal. Petak panas yang mencakup dinding kosong layak mendapat bobot lebih kecil daripada petak yang mencakup objek terperinci.
Anggap konflik sebagai ketidakpastian
Skor bingkai yang rendah dengan beberapa petak panas yang tersebar biasanya merupakan kompresi alih-alih penyuntingan. Itu adalah alasan untuk mencari salinan yang lebih baik, bukan untuk mengambil jalan tengah.

Ketika tidak ada peta yang dihasilkan

Di bawah sekitar 576 piksel pada sisi yang lebih pendek, bingkai tidak dapat dibagi menjadi beberapa wilayah dengan detail yang cukup untuk dinilai secara independen. Anda hanya akan mendapatkan angka untuk seluruh bingkai.

Itu adalah batasan nyata pada gambar kecil (thumbnail), foto profil, dan gambar yang ditarik dari aplikasi obrolan, yang sayangnya merupakan tempat di mana banyak gambar mencurigakan tiba. Menemukan salinan yang lebih besar dari gambar yang sama biasanya merupakan langkah lanjutan tunggal yang paling berguna.

Mengapa hal ini lebih penting daripada akurasi

Meningkatkan model seluruh bingkai dari 91 hingga 93 persen mengubah sangat sedikit hal bagi seseorang yang memeriksa foto klaim. Mampu melihat bahwa satu sudut bingkai berperilaku berbeda dari sisanya mengubah temuan secara keseluruhan.

Tampilan wilayah juga membuat hasil dapat dijelaskan, yang penting di mana pun keputusan harus dibenarkan nantinya. Seorang moderator, petugas klaim, atau editor dapat menunjuk pada bagian tertentu dari gambar dan mengatakan mengapa mereka melihatnya lebih jeli. Tidak seorang pun dapat melakukan itu dengan persentase.

Mengapa petak yang tumpang tindih lebih baik daripada kisi biasa

Kisi sederhana memiliki kelemahan yang langsung terlihat dalam praktiknya. Suntingan yang terletak di batas dibagi antara dua petak, dan masing-masing melihat separuh bukti terhadap petak penuh piksel asli. Keduanya menghasilkan nilai sedang, dan temuan tersebut hilang.

Menumpangtindihkan potongan tersebut memperbaikinya. Setiap titik dalam bingkai berada sepenuhnya di dalam setidaknya satu wilayah, sehingga sisipan kecil dinilai terhadap petak yang didominasinya alih-alih petak yang dibagi. Biayanya adalah menjalankan model lebih banyak kali, yang pada perangkat lokal hanya memakan waktu satu detik alih-alih biaya tagihan.

Hal ini juga menjelaskan mengapa petak yang berdekatan sering kali menyala bersamaan. Satu objek yang disisipkan yang terletak di dua wilayah yang tumpang tindih menaikkan keduanya, itulah sebabnya kedekatan adalah sinyal pendukung alih-alih tanda dari dua suntingan terpisah.

Konsekuensi praktisnya adalah jumlah petak bervariasi dengan bentuk gambar. Panorama lebar dibagi secara berbeda dari potret persegi, dan dimensi kisi dilaporkan dengan setiap hasil sehingga Anda dapat melihat seberapa detail bingkai tersebut dipotong.

Pertanyaan yang diajukan orang

Apa yang ditunjukkan oleh peta panas pada detektor gambar AI?

Bagaimana sinyal sintetis didistribusikan di seluruh bingkai alih-alih dirata-ratakan. Setiap petak dinilai sendiri oleh model yang sama, sehingga Anda dapat melihat apakah seluruh gambar tampak dihasilkan oleh AI atau hanya satu bagian saja. Kedua temuan tersebut memiliki arti yang sangat berbeda.

Apakah wilayah panas berarti bagian itu pasti telah diubah?

Tidak. Itu berarti model menemukan sinyal terkuat di sana. Area datar, kompresi berat di satu sudut, atau wilayah dengan tekstur yang tidak biasa semuanya dapat menaikkan petak tanpa penyuntingan apa pun. Anggap itu sebagai penunjuk untuk melihat dengan mata Anda sendiri, bukan sebagai kesimpulan.

Mengapa skor seluruh bingkai lebih rendah daripada petak tertinggi?

Karena itu dihitung pada seluruh bingkai alih-alih menjadi nilai maksimum dari petak-petak tersebut. Area asli yang besar menarik pembacaan secara keseluruhan ke bawah. Itulah persisnya mengapa kedua angka dilaporkan alih-alih hanya satu.

Berapa banyak wilayah yang dinilai?

Itu tergantung pada bentuk dan ukuran gambar, biasanya antara enam dan dua belas petak yang tumpang tindih. Dimensi kisi ditampilkan bersama hasilnya sehingga Anda dapat melihat seberapa detail bingkai dibagi.

Bisakah saya menggunakan peta tersebut untuk membuktikan bagian mana yang telah diedit?

Tidak, dan ini adalah kesalahan pemahaman yang paling umum. Peta tersebut menunjukkan di mana sinyal statistik terkonsentrasi, yang tidak sama dengan garis luar manipulasi. Peta ini mendukung manusia yang mengamati area tertentu secara dekat; peta ini bukanlah sebuah temuan yang berdiri sendiri.

Bagaimana jika setiap ubin berbeda tanpa pola?

Biasanya hal itu berarti gambar telah melalui pemrosesan yang cukup sehingga sinyal regional menjadi derau (noise). Nilai yang tersebar tanpa kedekatan dan tanpa hubungan dengan konten adalah tanda bahwa file tersebut sama sekali tidak dapat mendukung pembacaan yang andal.