ทำไมรายการตรวจสอบแบบเก่าถึงใช้ไม่ได้ผล
รายการจุดสังเกตที่แชร์กันทั่วไปทุกรายการมีปัญหาเดียวกัน คือมันอธิบายถึงจุดอ่อนของโมเดลที่มีอยู่ในตอนที่มันถูกเขียนขึ้น จุดอ่อนเหล่านั้นเป็นที่รับรู้ วัดผลได้ และน่าอาย ซึ่งทำให้มันกลายเป็นสิ่งที่โมเดลรุ่นถัดไปถูกปรับแต่งเพื่อแก้ไขทันที
มือคือตัวอย่างที่ชัดเจนที่สุด การนับนิ้วมือมีประโยชน์จริงอยู่ประมาณสิบแปดเดือน จากนั้นมันก็กลายเป็นวิธีที่ผิดอย่างมั่นใจทั้งสองทาง: มือที่สร้างขึ้นมักจะถูกต้องแล้วในตอนนี้ และมือจริงที่เคลื่อนไหวอาจเบลอจนดูผิดปกติสำหรับคนที่ถูกสอนให้แค่นับนิ้ว
เรื่องเดียวกันนี้เกิดขึ้นกับแสงสะท้อนในตา ความไม่สมมาตรของหู และรูปทรงของฟัน ตามลำดับ สิ่งใดก็ตามที่สามารถอธิบายได้ในโพสต์ที่ไวรัลมักจะถูกนำไปวัดมาตรฐาน และสิ่งใดที่ถูกวัดมาตรฐานก็จะได้รับการแก้ไข
-
2019
พื้นหลังที่ดูฟุ้ง เครื่องมือสร้างใบหน้ายุคแรกๆ ให้ภาพใบหน้าที่คมชัดแต่ดูเบลอ ปัญหานี้ได้รับการแก้ไขเมื่อโมเดลเรียนรู้ฉากทั้งหมด
-
2022
หูและต่างหูไม่สมกัน เครื่องประดับที่ไม่สมมาตรเคยเป็นจุดสังเกตที่ชัดเจน จนกระทั่งข้อมูลฝึกอบรมครอบคลุมถึงส่วนนั้น
-
2023
มือและนิ้ว จุดสังเกตที่ถูกพูดถึงมากที่สุด ส่วนใหญ่ได้รับการแก้ไขแล้วภายในสองรอบการปล่อยเวอร์ชัน
-
2024
ข้อความในเฟรม ป้ายและข้อความเริ่มอ่านออกได้ ทำให้สูญเสียจุดสังเกตที่ดูง่ายไป
-
2026
สิ่งหลงเหลืออยู่คือค่าทางสถิติ ความแตกต่างที่เหลืออยู่คือเรื่องของพื้นผิวและสัญญาณรบกวน ซึ่งเกินกว่าที่สายตาจะมองเห็นได้
มองไปที่อื่นที่ไม่ใช่ใบหน้า
ความพยายามในการสร้างภาพมุ่งเน้นไปที่จุดที่คนให้ความสนใจ โมเดลที่ถูกฝึกด้วยภาพบุคคลจะเก่งมากในบริเวณที่คนมอง และจะยังคงด้อยกว่าในส่วนที่สัญญาณการฝึกมองว่าเป็นพื้นหลัง
นั่นคือจุดที่การตรวจสอบระยะยาวทำหน้าที่อยู่ ให้ลองดูว่าข้อความบนสายคล้องคอคืออะไร ลวดลายบนเสื้อต่อเนื่องด้านหลังแขนอย่างถูกต้องหรือไม่ สายสร้อยคอพาดผ่านด้านหลังคอและโผล่ออกมาถูกที่หรือไม่ และห้องด้านหลังหัวไหล่เป็นสถานที่ที่มีอยู่จริงหรือไม่
รายละเอียดที่ซ้ำกันคือกลุ่มเบาะแสที่เชื่อถือได้อีกกลุ่มหนึ่ง วอลเปเปอร์ งานอิฐ ใบไม้ และฝูงชน เป็นสิ่งที่สร้างยากให้สอดคล้องกัน ดังนั้นมักจะซ้ำกัน เหลื่อมล้ำกัน หรือสูญเสียจุดรวมสายตาในแบบที่สายตาจับผิดได้ แม้ว่าภาพบุคคลตรงหน้าจะไร้ที่ติก็ตาม
- ข้อความที่อยู่ห่างจากจุดศูนย์กลาง ป้ายสัญลักษณ์ ป้ายชื่อ สันหนังสือ บรรจุภัณฑ์ ตอนนี้ข้อความตรงกลางมักจะถูกต้องแล้ว แต่ข้อความริมขอบยังคงเป็นจุดที่มักจะผิดพลาด
- ความต่อเนื่องผ่านสิ่งที่บัง สายรัด สายสร้อย หรือลายทางที่อ้อมไปด้านหลังวัตถุบางอย่างแล้วโผล่มาผิดเพี้ยน
- ฝูงชนและวัตถุที่ซ้ำกัน แถวที่สองและสามของฝูงชน หรือเก้าอี้ตัวที่สี่ในแถว จะได้รับความสนใจน้อยกว่าแถวแรก
- ผิวหนังเมื่อขยายดูใกล้ๆ ผิวหนังจริงมีรูขุมขน เส้นผมหลุดร่วง และตำหนิที่ไม่สมมาตร ผิวหนังที่ถูกสร้างมักจะเรียบเนียนในแบบที่ไม่มีแสงเงาใดจะอธิบายได้
- จุดที่เส้นผมบรรจบกับทุกสิ่ง ขอบเขตระหว่างเส้นผมและพื้นหลังยังคงเป็นหนึ่งในบริเวณที่เรนเดอร์ให้สอดคล้องกันได้ยากที่สุด
สิ่งที่เครื่องมือตรวจจับเห็นแต่คุณมองไม่เห็น
เหตุผลที่ควรทำการตรวจสอบแทนที่จะอาศัยการมองด้วยตาเปล่าก็คือ ความแตกต่างที่เหลืออยู่มีค่าต่ำกว่าความละเอียดในการมองเห็นของมนุษย์ เซนเซอร์กล้องสร้างสัญญาณรบกวนเฉพาะแบบ ส่วนกระบวนการสร้างภาพก็สร้างอีกแบบหนึ่ง และไม่มีแบบใดที่มองเห็นได้ในขนาดการรับชมปกติ
นี่คือเหตุผลว่าทำไมเครื่องมือตรวจจับและดวงตาของคุณจึงอาจให้ผลที่ไม่ตรงกัน ภาพที่มีข้อผิดพลาดทางสายตาอย่างเห็นได้ชัดอาจได้คะแนนต่ำเพราะพื้นผิวของมันเป็นภาพถ่าย และภาพที่ดูสมบูรณ์แบบอาจได้คะแนนสูงเพราะพื้นผิวของมันไม่ใช่ ทั้งสองการอ่านค่าวัดมีประโยชน์ และไม่มีฝ่ายใดหักล้างอีกฝ่ายได้
| การตรวจสอบด้วยสายตา | การวิเคราะห์พิกเซล | |
|---|---|---|
| ใช้งานได้กับ | ข้อผิดพลาดด้านองค์ประกอบภาพและตรรกะ | โครงสร้างพื้นผิวและสัญญาณรบกวน |
| ทนทานต่อการบีบอัด | ใช่ | เสื่อมลง |
| รอดจากการแคปหน้าจอ | ใช่ | เสื่อมลงอย่างมาก |
| จับการแก้ไขเล็กน้อย | เฉพาะเมื่อคุณสังเกตเห็นมันเท่านั้น | ใช่ ผ่านทางแผนผังบริเวณ |
| แย่ลงเรื่อยๆ ตามกาลเวลา | อย่างรวดเร็ว | ค่อยเป็นค่อยไป |
แถวสุดท้ายคือแถวที่มีประโยชน์ จุดสังเกตทางสายตาจะเสื่อมถอยลงทุกครั้งที่มีการปล่อยโมเดลใหม่ เครื่องมือตรวจจับที่ได้รับการฝึกฝนจากเครื่องมือสร้างภาพหลายๆ ตัวจะเสื่อมถอยช้ากว่า เนื่องจากมันเรียนรู้สิ่งที่พื้นผิวสังเคราะห์มีเหมือนกัน มากกว่าสิ่งที่ผลิตภัณฑ์ตัวเดียวทำผิดพลาดในหนึ่งปี
กรณีที่สำคัญที่สุด: ใบหน้าจริงที่ถูกดัดแปลง
ของปลอมส่วนใหญ่ที่มีผลกระทบไม่ได้เป็นภาพบุคคลที่ถูกสร้างขึ้นใหม่ทั้งหมด แต่เป็นภาพถ่ายของคนจริงที่มีการเปลี่ยนแปลงสิ่งใดสิ่งหนึ่ง เช่น ใบหน้าที่แตกต่างกันบนร่างเดียวกัน วัตถุที่ถูกเพิ่มเข้ามาในมือ ป้ายที่ถูกเปลี่ยนแปลง หรือบุคคลคนที่สองที่ถูกลบออกจากเฟรม
คะแนนสำหรับภาพทั้งเฟรมจัดการกับเรื่องนี้ได้ไม่ดีนักโดยการออกแบบ เนื่องจากร้อยละเก้าสิบของภาพเป็นภาพถ่ายจริงๆ และค่าเฉลี่ยสะท้อนถึงสิ่งนั้น แผนผังบริเวณคือสิ่งที่ดึงสิ่งนี้ขึ้นมาแสดง และการอ่านแผนผังแทนที่จะดูตัวเลขคือพฤติกรรมเดียวที่ช่วยปรับปรุงความแม่นยำบนใบหน้าได้มากที่สุด
สิบเอ็ดไทล์อ่านค่าออกมาเป็นภาพถ่าย มีหนึ่งไทล์ที่ไม่ใช่ และนั่นคือไทล์ที่ครอบคลุมใบหน้า
พฤติกรรมที่ใช้งานได้จริง
ให้เวลาภาพบุคคลนั้นห้าวินาทีในการตรวจสอบรอบนอก: ข้อความ ความต่อเนื่อง ลวดลายที่ซ้ำกัน ขอบเขตเส้นผม จากนั้นทำการตรวจสอบและอ่านแผนผัง ทั้งสองอย่างรวมกันจะช่วยจับภาพได้มากกว่าอย่างใดอย่างหนึ่งเพียงอย่างเดียว และทั้งหมดนี้ใช้เวลาน้อยกว่าหนึ่งนาที
ในกรณีที่เดิมพันไว้สูง ให้เพิ่มขั้นตอนที่ไม่มีการวิเคราะห์พิกเซลใดมาแทนที่ได้: ค้นหาใบหน้าเดิมในที่ที่มีประวัติ โปรไฟล์ที่มีการโพสต์มาสามปี ภาพถ่ายที่มีการแท็กจากคนอื่น และนายจ้างที่สอดคล้องกัน คือหลักฐานในแบบที่ไม่มีเครื่องมือสร้างภาพใดผลิตขึ้นมาได้
จุดสังเกตที่ไม่เคยเปลี่ยนไป
มีสองสิ่งที่ต้านทานการพัฒนามาสี่ปี และทั้งคู่เกี่ยวข้องกับความสอดคล้องในระยะทางมากกว่ารายละเอียดในพื้นที่ ประการแรกคือแสง: ไม่ว่าทุกพื้นผิวในเฟรมจะได้รับแสงจากแหล่งกำเนิดเดียวกัน จากทิศทางเดียวกัน และมีเงาที่มีความนุ่มนวลเท่ากันหรือไม่
ภาพบุคคลที่ถูกสร้างขึ้นมักจะทำใบหน้าได้ถูกต้องและทำสภาพแวดล้อมโดยรอบได้ใกล้เคียง และความไม่สอดคล้องกันจะแสดงออกมาในเงา เงาที่แข็งใต้คางถัดจากเงาที่นุ่มนวลบนผนังด้านหลังบ่งบอกถึงห้องสองห้องที่แตกต่างกัน
ประการที่สองคือความลึก พื้นผิวสะท้อนแสง กระจก น้ำ และกระจกเงา จะต้องสอดคล้องกับเรขาคณิตของทุกสิ่งอย่างอื่น และมักจะไม่เป็นเช่นนั้น หน้าต่างด้านหลังตัวแบบที่แสดงฉากที่ไม่ควรจะอยู่ที่นั่นคือข้อผิดพลาดประเภทที่รอดพ้นจากการอัปเกรดโมเดล เนื่องจากมันต้องการแบบจำลองของโลกมากกว่าแบบจำลองของใบหน้า
ทั้งสองอย่างไม่ใช่การทดสอบที่คุณจะใช้แบบอัตโนมัติได้ และทั้งคู่ใช้เวลานานกว่าการนับนิ้ว นั่นคือสิ่งแลกเปลี่ยน: การตรวจสอบที่ยังคงใช้งานได้คือการตรวจสอบที่ต้องอาศัยการคิดเกี่ยวกับภาพนั้นในฐานะสถานที่ แทนที่จะเป็นการสแกนหาข้อบกพร่อง