Co mapa cieplna regionu pokazuje, czego nie potrafi wynik liczbowy

Czy cała klatka jest syntetyczna, czy też zmieniono jedną część prawdziwego zdjęcia. To dwa różne problemy o odmiennych konsekwencjach, a pojedyncza ocena traktuje je tak samo.

Problem z jedną liczbą

Rozważ dwa obrazy. Pierwszy został wygenerowany od początku do końca i każda jego część jest syntetyczna. Drugi to prawdziwa fotografia autentycznego pokoju z rysą dodaną do jednej ze ścian.

Model całościowy sprowadza oba przypadki do pojedynczej wartości. Pierwszy słusznie uzyskuje wysoki wynik. Drugi ma niski wynik, ponieważ osiem dziewiątych zdjęcia pochodzi z aparatu, a średnia maskuje edycję.

Drugi obraz to ten, który kogoś kosztuje pieniądze. To roszczenie ubezpieczeniowe, sfałszowany rachunek, przerobione zdjęcie z ogłoszenia, zdjęcie prasowe ze zmienionym detalem. Narzędzie podające jedną liczbę uzna je za prawidłowe.

Trzy wzorce

Gdy klatka zostanie oceniona w podziale na kafelki, pojawiają się trzy kształty, a każdy oznacza coś innego.

Każda płytka jest gorąca

91 94 89 96 93 90 88 95 92

Spójność to cecha charakterystyczna. Prawdziwe zdjęcia prawie nigdy nie uzyskują tak równego wyniku, ponieważ realne sceny charakteryzują się zróżnicowaną teksturą.

W całości wygenerowana klatka. Żaden fragment tego obrazu nie pochodzi z aparatu, więc żaden kafelek nie jest zimny.

Jeden kafelek gorący, reszta zimna

14 11 16 12 88 13 9 15 10

Zimne kafelki to autentyczny zapis z aparatu. Gorący kafelek taki nie jest. To jest właśnie wzorzec, który pojedyncza liczba niszczy.

Prawdziwa fotografia z wstawionym obiektem. Wynik dla całej klatki wyniósł 31, co wskazywałoby na obraz prawdopodobnie prawdziwy.

Równomiernie ciepłe, nic gorącego

58 61 54 63 59 57 55 62 60

Jednolicie umiarkowane. Globalne przetwarzanie podnosi wszystko trochę, a nic bardzo – co jest odciskiem palca oprogramowania, a nie wytworem aparatu.

Prawdziwa fotografia, która została mocno przetworzona: tryb nocny, redukcja szumów, a następnie ponowna kompresja.

Jak poprawnie czytać mapę

Spójrz na rozpiętość przed szczytem
Różnica między najwyższym a najniższym kafelkiem ma większe znaczenie niż najwyższa wartość. Szeroka rozpiętość wskazuje na lokalną edycję; wąska wskazuje na to, co stało się z całą klatką.
Sprawdź, czy gorące kafelki są obok siebie
Prawdziwe modyfikacje są ciągłe, ponieważ obiekty są ciągłe. Dwa gorące kafelki obok siebie to wiarygodna wstawka. Dwa w przeciwległych rogach zazwyczaj nią nie są.
Porównaj z obrazem
Spójrz na to, co faktycznie znajduje się w gorącym regionie. Jeśli zawiera on uszkodzenie, cenę, twarz lub obiekt będący przedmiotem sporu, ma to znaczenie. Jeśli zawiera puste niebo, prawdopodobnie tak nie jest.
Odrzuć kafelki z małą ilością szczegółów
Płaskie obszary nieba, ściany lub wody niosą ze sobą mniej sygnałów i są oceniane mniej niezawodnie. Gorący kafelek pokrywający pustą ścianę zasługuje na mniejszą wagę niż ten obejmujący szczegółowy obiekt.
Traktuj sprzeczności jako niepewność
Niskiej jakości wynik całej klatki z kilkoma rozproszonymi gorącymi kafelkami to zazwyczaj kompresja, a nie edycja. To powód, aby znaleźć lepszą kopię, a nie dzielić różnicę na pół.

Kiedy mapa nie jest generowana

Poniżej mniej więcej 576 pikseli na krótszym boku, klatki nie da się podzielić na regiony z wystarczającą ilością szczegółów do niezależnej oceny. Otrzymujesz wyłącznie wynik dla całej klatki.

To prawdziwe ograniczenie w przypadku miniatur, zdjęć profilowych i obrazów pobranych z komunikatorów, czyli niestety tam, gdzie trafia wiele podejrzanych zdjęć. Znalezienie większej kopii tego samego obrazu jest zazwyczaj najużyteczniejszym kolejnym krokiem.

Dlaczego to ma większe znaczenie niż dokładność

Podniesienie skuteczności modelu całoklatkowego z 91 do 93 procent niewiele zmienia dla kogoś sprawdzającego zdjęcie do roszczenia. Możliwość zobaczenia, że jeden narożnik klatki zachowuje się inaczej niż reszta, całkowicie zmienia wynik.

Widok regionów sprawia również, że wynik można wyjaśnić, co ma znaczenie wszędzie tam, gdzie decyzja musi być później uzasadniona. Moderator, likwidator szkód lub wydawca może wskazać konkretną część obrazu i wyjaśnić, dlaczego przyjrzał jej się uważniej. Nikt nie jest w stanie tego zrobić z samym procentem.

Dlaczego nakładające się kafelki są lepsze od zwykłej siatki

Zwykła siatka ma słabość, która natychmiast ujawnia się w praktyce. Edycja znajdująca się na granicy jest dzielona między dwa kafelki, z których każdy widzi połowę dowodów na tle pełnego kafelka prawdziwych pikseli. Oba dają wynik umiarkowany, a ślad edycji znika.

Nakładanie się wycinków rozwiązuje ten problem. Każdy punkt w klatce w całości mieści się w co najmniej jednym regionie, więc mała wstawka jest oceniana względem kafelka, w którym dominuje, a nie takiego, który dzieli z innymi. Kosztem jest częstsze uruchamianie modelu, co na urządzeniu lokalnym trwa sekundę, a nie generuje rachunek.

Wyjaśnia to również, dlaczego sąsiadujące kafelki często rozświetlają się razem. Pojedynczy wstawiony obiekt, który znajduje się w dwóch nakładających się regionach, podnosi wynik obu, dlatego sąsiedztwo jest sygnałem wspomagającym, a nie znakiem dwóch oddzielnych edycji.

Praktyczną konsekwencją jest to, że liczba kafelków zmienia się wraz z kształtem obrazu. Szeroka panorama jest dzielona inaczej niż kwadratowy portret, a wymiary siatki są raportowane przy każdym wyniku, dzięki czemu widać, jak dokładnie pocięto klatkę.

Często zadawane pytania

Co pokazuje mapa cieplna na detektorze obrazu AI?

W jaki sposób sygnał syntetyczny jest rozłożony na klatce, a nie uśredniony na całej jej powierzchni. Każdy kafelek jest oceniany osobno przez ten sam model, dzięki czemu możesz zobaczyć, czy cały obraz wygląda na wygenerowany, czy tylko jego część. Te dwa wnioski oznaczają zupełnie inne rzeczy.

Czy gorący region oznacza, że ta część została na pewno edytowana?

Nie. Oznacza to, że model znalazł tam najsilniejszy sygnał. Płaskie obszary, silna kompresja w jednym rogu lub region o nietypowej fakturze mogą podnieść wynik kafelka bez żadnej edycji. Traktuj to jako wskazówkę do przyjrzenia się sprawie na własne oczy, a nie jako ostateczny wniosek.

Dlaczego wynik dla całej klatki jest niższy niż najwyższy kafelek?

Ponieważ jest obliczany dla całej klatki, a nie jako maksimum z kafelków. Duży, autentyczny obszar obniża ogólny odczyt. Właśnie dlatego podawane są obie liczby zamiast jednej.

Ile regionów podlega ocenie?

Zależy to od kształtu i rozmiaru obrazu, zazwyczaj od sześciu do dwunastu nakładających się kafelków. Wymiary siatki są wyświetlane wraz z wynikiem, abyś mógł zobaczyć, jak dokładnie podzielono klatkę.

Czy mogę użyć mapy, aby udowodnić, która część została edytowana?

Nie, i jest to najczęstsze nadużycie. Mapa pokazuje, gdzie skoncentrowany jest sygnał statystyczny, co nie jest tym samym co obrys manipulacji. Wspiera ona człowieka przyglądającego się uważnie konkretnemu obszarowi; nie stanowi samodzielnego dowodu.

Co jeśli każdy kafel jest inny i nie widać żadnego wzorca?

Zazwyczaj oznacza to, że obraz przeszedł wystarczająco dużo procesów przetwarzania, by sygnał regionalny stał się szumem. Rozproszone wartości bez sąsiedztwa i bez związku z treścią są znakiem, że plik w ogóle nie nadaje się do wiarygodnej odczytu.