Vad en värmekarta över områden visar som ett samlat betyg inte kan

Om hela bilden är syntetisk, eller om en del av ett äkta fotografi har ändrats. Det är olika problem med olika konsekvenser, men ett samlat betyg behandlar dem likadant.

Problemet med en enda siffra

Tänk dig två bilder. Den första är helt genererad från grunden och varje del är syntetisk. Den andra är ett äkta fotografi av ett verkligt rum där en spricka har lagts till på en vägg.

En modell som analyserar hela bilden reducerar båda till en enda siffra. Den första får helt korrekt ett högt värde. Den andra får ett lågt värde, eftersom åtta niondelar av bilden kommer från en kamera, och genomsnittet döljer redigeringen.

Det är den andra bilden som orsakar ekonomisk skada. Det är försäkringsärendet, det ändrade kvittot, den manipulerade annonsbilden eller nyhetsbilden med en förändrad detalj. Ett verktyg som bara visar ett tal kommer att fria den.

De tre mönstren

När bilden analyseras i rutor framträder tre mönster, och vart och ett betyder olika saker.

Höga värden i samtliga rutor

91 94 89 96 93 90 88 95 92

Enhetlighet är det typiska kännetecknet. Äkta fotografier får nästan aldrig så jämna resultat över hela ytan, eftersom verkliga scener har varierande textur.

En helt AI-genererad bild. Ingen del av bilden kommer från en kamera, så ingen ruta är sval.

En ruta visar höga värden, resten är svala

14 11 16 12 88 13 9 15 10

De svala rutorna är äkta kamerafångst. Den heta är det inte. Det här är mönstret som en enskild siffra raderar ut.

Ett äkta fotografi med ett infogat objekt. Betyget för hela bilden var 31, vilket skulle ha tolkats som sannolikt äkta.

Jämnt ljummet, inga heta zoner

58 61 54 63 59 57 55 62 60

Jämnt medelmåttigt. Global bearbetning höjer alla värden en aning och inget mycket, vilket är det typiska mönstret för mjukvarujusteringar snarare än manipulation.

Ett äkta fotografi som har efterbehandlats kraftigt: nattläge, brusreducering och sedan återkomprimering.

Hur man läser en karta på rätt sätt

Titta på spridningen innan du tittar på maxvärdet
Skillnaden mellan den högsta och lägsta rutan har större betydelse än det enskilt högsta värdet. En stor skillnad pekar på en lokal redigering; en liten skillnad speglar vad som har hänt med hela bilden.
Kontrollera om heta rutor ligger intill varandra
Faktiska redigeringar hänger ihop, eftersom objekt hänger ihop. Två heta rutor bredvid varandra är ett rimligt tecken på ett infogat objekt. Två rutor i motsatta hörn är det oftast inte.
Jämför med motivet i bilden
Titta på vad som faktiskt finns i det heta området. Om det innehåller skadan, priset, ansiktet eller föremålet som tvisten gäller är det relevant. Om det bara visar en tom himmel är det troligen inte det.
Bortse från rutor med lite detaljer
Släta ytor som himmel, väggar eller vatten bär på mindre signal och ger mindre tillförlitliga resultat. En het ruta över en tom vägg bör ges mindre vikt än en över ett detaljrikt föremål.
Tolka motstridiga signaler som osäkerhet
Ett lågt helhetsresultat med flera utspridda heta rutor beror vanligtvis på komprimering snarare än redigering. Det är en anledning att leta efter en bättre kopia av bilden, inte att gissa sig till ett medelvärde.

När ingen karta skapas

Under ungefär 576 pixlar på den kortaste sidan kan bilden inte delas in i regioner med tillräcklig detaljrikedom för att analyseras separat. Då visas endast ett betyg för hela bilden.

Detta är en tydlig begränsning för miniatyrbilder, profilbilder och bilder sparade från chattappar, vilket tyvärr är där många misstänkta bilder dyker upp. Att hitta en större kopia av samma bild är vanligtvis det mest användbara nästa steget.

Varför detta är viktigare än precision

Att förbättra en helbildsmodell från 91 till 93 procent gör väldigt liten skillnad för någon som granskar en skadebild. Att däremot kunna se att ett hörn av bilden avviker från resten förändrar hela bedömningen.

Områdesvyn gör också resultatet förklarbart, vilket är avgörande när ett beslut måste motiveras i efterhand. En moderator, en skadereglerare eller en redaktör kan peka på en specifik del av en bild och förklara varför de granskade den närmare. Ingen kan göra det med enbart en procentsats.

Varför överlappande rutor används istället för ett enkelt rutnät

Ett enkelt rutnät har en svaghet som snabbt märks i praktiken. En redigering som ligger på en skiljelinje delas mellan två rutor, och varje ruta ser bara hälften av signalen mot en hel ruta av äkta pixlar. Båda ger ett måttligt utslag och redigeringen missas.

Överlappande beskärningar löser detta. Varje punkt i bilden hamnar helt inom minst en region, så ett litet infogat element analyseras mot en ruta som det dominerar snarare än delar. Nackdelen är att modellen måste köras fler gånger, vilket på en lokal enhet bara handlar om en sekund extra snarare än ökade kostnader.

Det förklarar också varför intilliggande rutor ofta ger utslag samtidigt. Ett enskilt infogat objekt som sträcker sig över två överlappande regioner höjer båda, vilket gör att närliggande utslag är en bekräftande signal snarare än ett tecken på två separata redigeringar.

Den praktiska konsekvensen är att antalet rutor varierar med bildens proportioner. Ett brett panorama delas upp annorlunda än ett kvadratiskt porträtt, och rutnätets mått redovisas med varje resultat så att du kan se hur finfördelat bilden har analyserats.

Frågor som ställs

Vad visar en värmekarta på en AI-bilddetektor?

Hur den syntetiska signalen är fördelad över bilden snarare än ett genomsnitt över hela ytan. Varje ruta bedöms för sig av samma modell, så att du kan se om hela bilden verkar vara genererad eller bara en del av den. De två fallen innebär helt olika saker.

Betyder ett hett område att den delen definitivt har redigerats?

Nej. Det betyder att modellen hittade den starkaste signalen där. Släta ytor, kraftig komprimering i ett hörn eller ett område med ovanlig textur kan alla ge förhöjda värden i en ruta utan att någon redigering gjorts. Se det som en anvisning om var du bör titta med egna ögon, inte som ett slutgiltigt svar.

Varför är betyget för hela bilden lägre än för den högsta rutan?

Eftersom det beräknas på hela bilden och inte är det högsta värdet av rutorna. Ett stort äkta område drar ner det övergripande resultatet. Det är just därför båda värdena redovisas istället för bara ett.

Hur många regioner analyseras?

Det beror på bildens form och storlek, vanligtvis mellan sex och tolv överlappande rutor. Rutnätets dimensioner visas tillsammans med resultatet så att du kan se hur finfördelat bilden delades in.

Kan jag använda kartan för att bevisa vilken del som redigerades?

Nej, och detta är den vanligaste övertolkningen. Kartan visar var en statistisk signal är koncentrerad, vilket inte är samma sak som konturen av en manipulation. Den är ett stöd för en människa som granskar ett specifikt område noggrant; den utgör inte ett självständigt bevis.

Vad händer om varje ruta är annorlunda utan något mönster?

Det betyder vanligtvis att bilden har genomgått så mycket bearbetning att den regionala signalen bara är brus. Spridda värden utan sammanhang och utan koppling till innehållet är ett tecken på att filen inte medger en tillförlitlig tolkning alls.