Varför den gamla checklistan slutade fungera
Alla listor med kännetecken som delas brett har samma problem: de beskriver svagheterna hos modellerna som fanns när listan skrevs. De svagheterna är offentliga, mätbara och pinsamma, vilket gör dem till exakt det som nästa version trimmas för att rätta till.
Händer är det tydligaste exemplet. Att räkna fingrar fungerade bra i ungefär arton månader, sedan blev det ett sätt att ha fel med gott självförtroende åt båda hållen: genererade händer är oftast korrekta i dag, och riktiga händer i rörelse blir suddiga och får former som ser fel ut för den som har fått rådet att räkna.
Samma sak har hänt med reflektioner i ögon, asymmetri i öron och tändernas geometri, i ungefär den ordningen. Allt som kan beskrivas i ett viralt inlägg blir ett prestandatest, och allt som testas blir åtgärdat.
-
2019
Upplösta bakgrunder Tidiga ansiktsgeneratorer skapade ett skarpt ansikte mot en utsmetad bakgrund. Åtgärdades när modellerna lärde sig hela scener.
-
2022
Öron och örhängen matchar inte Asymmetriska smycken var en tydlig signal tills träningsdatan täckte det.
-
2023
Händer och fingrar Det mest omtalade kännetecknet. I stort sett löst inom två versionscykler.
-
2024
Text i bilden Skyltar och etiketter blev läsbara, vilket tog bort ett enkelt avslöjande.
-
2026
Det som återstår är statistiskt Kvarvarande skillnader finns i textur och brus, bortom vad ett öga kan urskilja.
Titta bort från ansiktet
Genereringsresurserna koncentreras där uppmärksamheten samlas. En modell tränad på porträtt blir mycket bra på området människor tittar på, och förblir svagare på allt träningssignalen behandlade som bakgrund.
Det är där de hållbara kontrollerna finns. Se vad som står på nyckelbandet, om mönstret på skjortan fortsätter korrekt bakom armen, om halsbandets kedja går bakom nacken och kommer fram på rätt ställe, och om rummet bakom axeln är en plats som faktiskt skulle kunna finnas.
Upprepade detaljer är den andra tillförlitliga kategorin. Tapeter, murverk, lövverk och ansikten i folkmassor är krävande att generera sammanhängande, så de tenderar att upprepas, förskjutas eller tappa sin flyktpunkt på sätt som ögat kan uppfatta även när porträttet i förgrunden är felfritt.
- Text utanför bildmitten. Namnbrickor, skyltar, bokryggar, förpackningar. Text i mitten är numera oftast korrekt; det är i periferin den fortfarande faller isär.
- Kontinuitet bakom hinder. En rem, en kedja eller en rand som passerar bakom något och dyker upp felaktigt på andra sidan.
- Folkmassor och upprepade objekt. Andra och tredje raden i en folkmassa, eller fjärde stolen i en rad, får mindre uppmärksamhet än den första.
- Hud vid hög förstoring. Äkta hud har porer, enstaka hårstrån och asymmetriska ojämnheter. Genererad hud är ofta slät på ett sätt som ingen ljussättning kan förklara.
- Där håret möter omgivningen. Gränsen mellan hår och bakgrund förblir ett av de svåraste områdena att återge sammanhängande.
Vad en detektor ser som du inte kan se
Skälet till att köra en analys i stället för att förlita sig på visuell granskning är att de kvarvarande skillnaderna ligger under gränsen för mänsklig synskärpa. En kamerasensor genererar en viss typ av brus; en genereringsprocess skapar ett annat, och ingetdera syns i vanlig visningsstorlek.
Detta är också anledningen till att en detektor och dina ögon kan vara oense. En bild med ett uppenbart visuellt fel kan få ett lågt resultat eftersom texturen är fotografisk, och en bild som ser perfekt ut kan få ett högt resultat eftersom texturen inte är det. Båda avläsningarna ger värdefull information, och ingen av dem utesluter den andra.
| Visuell granskning | Pixelanalys | |
|---|---|---|
| Fungerar på | Kompositions- och logikfel | Textur- och brusstruktur |
| Klarar komprimering | Ja | Försämras |
| Fungerar på en skärmdump | Ja | Försämras kraftigt |
| Upptäcker mindre redigeringar | Bara om du lägger märke till dem | Ja, via områdeskartan |
| Blir sämre med tiden | Snabbt | Gradvis |
Den sista raden är den mest användbara. Visuella kännetecken försvagas för varje ny modellversion; en detektor tränad på många generatorer försämras långsammare, eftersom den har lärt sig vad syntetisk textur har gemensamt snarare än vad en enskild produkt gjorde fel under ett visst år.
Det viktigaste fallet: ett äkta ansikte som ändrats
De flesta manipulationer med allvarliga konsekvenser är inte helt genererade porträtt. De är fotografier av verkliga människor med en enstaka detalj ändrad: ett annat ansikte på samma kropp, ett föremål tillagt i handen, en namnbricka ändrad, en andra person borttagen ur bilden.
En helhetsbedömning av bilden hanterar detta dåligt av rent tekniska skäl, eftersom nittio procent av bilden faktiskt är ett fotografi och genomsnittet återspeglar det. Områdeskartan är det som lyfter fram detta, och att läsa av kartan snarare än slutresultatet är den enskilda vana som mest förbättrar träffsäkerheten för ansikten.
Elva rutor tolkas som fotografiska. En gör det inte, och det är den som täcker ett ansikte.
En fungerande rutin
Ägna fem sekunder åt en perifer granskning av porträttet: text, kontinuitet, upprepade mönster, hårgräns. Kör sedan en kontroll och läs av kartan. Kombinationen av de två upptäcker betydligt mer än var och en för sig, och hela processen tar under en minut.
Där insatserna är höga bör du lägga till det steg som ingen pixelanalys kan ersätta: hitta samma ansikte i ett sammanhang med historik. En profil med tre års inlägg, taggade fotografier från andra personer och en verifierbar arbetsgivare är bevis av ett slag som ingen generator producerar.
Kännetecknen som inte har förändrats
Två saker har stått emot fyra år av utveckling, och båda handlar om sammanhang över avstånd snarare än lokala detaljer. Det första är ljussättning: om varje yta i bilden är upplyst av samma källor, från samma riktningar, med skuggor av samma mjukhet.
Ett genererat porträtt får vanligtvis ansiktet rätt och omgivningen ungefärligt rätt, och skillnaden syns i skuggorna. En hård skugga under hakan bredvid en mjuk skugga på väggen bakom beskriver två olika rum.
Det andra är djup. Reflekterande ytor, glas, vatten och speglar måste stämma överens med geometrin i resten av bilden, och det gör de sällan helt och hållet. Ett fönster bakom en person som visar en miljö som inte borde kunna finnas där är den typ av fel som överlever modelluppgraderingar, eftersom det kräver en förståelse för den fysiska världen snarare än en modell för ansikten.
Inget av detta är ett test du kan utföra mekaniskt, och båda tar längre tid än att räkna fingrar. Det är avvägningen: de kontroller som fortfarande fungerar är de som kräver att man betraktar bilden som en tredimensionell plats snarare än att söka efter enstaka defekter.