สิ่งที่แผนภูมิความร้อนแสดงให้เห็นในสิ่งที่คะแนนรวมบอกไม่ได้

ไม่ว่าจะเป็นภาพสังเคราะห์ทั้งเฟรม หรือมีส่วนใดส่วนหนึ่งของรูปถ่ายจริงถูกแก้ไข สิ่งเหล่านี้คือปัญหาที่แตกต่างกันและมีผลที่ตามมาต่างกัน คะแนนเดียวไม่สามารถแยกแยะความแตกต่างเหล่านี้ได้

ปัญหาของการมีตัวเลขเพียงชุดเดียว

ลองพิจารณารูปภาพสองรูป รูปแรกสร้างขึ้นจาก AI ทั้งหมดและทุกส่วนเป็นของสังเคราะห์ รูปที่สองคือรูปถ่ายจริงของห้องจริงที่มีรอยร้าวถูกเพิ่มเข้าไปที่ผนังหนึ่งจุด

แบบจำลองแบบทั้งเฟรมจะลดค่าทั้งสองลงเหลือตัวเลขเดียว รูปแรกจะได้คะแนนสูงซึ่งถูกต้อง รูปที่สองจะได้คะแนนต่ำเพราะแปดในเก้าส่วนมาจากกล้องถ่ายรูป และค่าเฉลี่ยจะทำให้รอยแก้ไขนั้นจางหายไป

รูปที่สองคือรูปที่ทำให้ใครบางคนเสียเงิน ไม่ว่าจะเป็นการเคลมประกัน ใบเสร็จที่ถูกแก้ไข รูปภาพรายการสินค้าที่ถูกดัดแปลง หรือรูปภาพข่าวที่มีรายละเอียดถูกเปลี่ยน เครื่องมือที่รายงานตัวเลขเดียวจะทำให้รูปภาพเหล่านี้ผ่านไปได้

รูปแบบทั้งสาม

เมื่อเฟรมถูกแบ่งให้คะแนนเป็นตาราง สามรูปแบบจะปรากฏขึ้น และแต่ละรูปแบบมีความหมายต่างกัน

ร้อนทุกส่วนของภาพ

91 94 89 96 93 90 88 95 92

ความสม่ำเสมอคือลายเซ็น รูปถ่ายจริงแทบไม่เคยมีคะแนนที่สม่ำเสมอเช่นนี้ เพราะฉากจริงมีความหลากหลายของพื้นผิว

เฟรมที่สร้างขึ้นโดยสมบูรณ์ ไม่มีส่วนใดของรูปภาพนี้มาจากกล้องถ่ายรูป ดังนั้นจึงไม่มีส่วนใดที่ดูเป็นธรรมชาติ

หนึ่งตารางมีคะแนนสูง ส่วนที่เหลือปกติ

14 11 16 12 88 13 9 15 10

ส่วนที่มีคะแนนปกติคือการบันทึกภาพจากกล้อง ส่วนที่คะแนนสูงไม่ใช่ นี่คือรูปแบบที่ตัวเลขตัวเดียวจะทำลายทิ้ง

รูปถ่ายจริงที่มีวัตถุถูกแทรกเข้าไป คะแนนทั้งเฟรมอยู่ที่ 31 ซึ่งอาจถูกอ่านว่าเป็นของจริง

อุ่นเครื่องสม่ำเสมอ ไม่มีส่วนใดสูงผิดปกติ

58 61 54 63 59 57 55 62 60

ค่าเฉลี่ยค่อนข้างสูงสม่ำเสมอ การประมวลผลทั่วทั้งภาพจะยกคะแนนขึ้นเล็กน้อยโดยไม่มีจุดใดจุดหนึ่งที่สูงมาก ซึ่งเป็นลายเซ็นของซอฟต์แวร์มากกว่าการตัดต่อ

รูปถ่ายจริงที่ผ่านการประมวลผลอย่างหนัก เช่น โหมดกลางคืน การลดสัญญาณรบกวน แล้วบีบอัดใหม่

วิธีอ่านแผนที่อย่างถูกต้อง

ดูการกระจายตัวก่อนจุดสูงสุด
ช่องว่างระหว่างตารางที่มีคะแนนสูงสุดและต่ำสุดสำคัญกว่าค่าสูงสุด ช่องว่างที่กว้างชี้ไปที่การแก้ไขเฉพาะจุด ช่องว่างที่แคบชี้ไปที่สิ่งที่เกิดขึ้นกับทั้งเฟรม
ตรวจสอบว่าตารางที่มีคะแนนสูงอยู่ติดกันหรือไม่
การตัดต่อจริงมักต่อเนื่องกันเพราะวัตถุมีความต่อเนื่องกัน ตารางคะแนนสูงสองตารางที่อยู่ติดกันเป็นการแทรกที่น่าสงสัย ตารางสองตารางที่อยู่ตรงข้ามกันมักจะไม่ใช่การตัดต่อที่น่าเชื่อถือ
เปรียบเทียบกับรูปภาพ
ดูสิ่งที่อยู่ในพื้นที่ที่มีคะแนนสูง หากมีรอยเสียหาย ราคา ใบหน้า หรือวัตถุที่เป็นประเด็น นั่นคือจุดที่มีความหมาย หากเป็นเพียงท้องฟ้าที่ว่างเปล่า อาจไม่มีนัยสำคัญ
ละเว้นตารางที่มีรายละเอียดน้อย
พื้นที่เรียบของท้องฟ้า กำแพง หรือน้ำ มีสัญญาณน้อยและให้คะแนนไม่น่าเชื่อถือ ตารางคะแนนสูงที่ครอบคลุมกำแพงว่างเปล่าควรได้รับความสำคัญน้อยกว่าตารางที่ครอบคลุมวัตถุที่มีรายละเอียด
ถือว่าความขัดแย้งคือความไม่แน่นอน
คะแนนเฟรมที่ต่ำพร้อมตารางคะแนนสูงหลายจุดที่กระจัดกระจายมักเกิดจากการบีบอัดมากกว่าการแก้ไข นั่นเป็นเหตุผลที่ควรหาสำเนาที่ดีกว่า ไม่ใช่การหาค่าเฉลี่ยกลางๆ

เมื่อไม่มีแผนที่ถูกสร้างขึ้น

ต่ำกว่าประมาณ 576 พิกเซลในด้านที่สั้นกว่า เฟรมไม่สามารถแบ่งเป็นภูมิภาคที่มีรายละเอียดเพียงพอที่จะให้คะแนนแยกกันได้ คุณจะได้เพียงตัวเลขคะแนนรวมทั้งเฟรมเท่านั้น

นั่นคือข้อจำกัดจริงสำหรับภาพขนาดย่อ รูปโปรไฟล์ และรูปภาพที่ดึงมาจากแอปแชท ซึ่งน่าเสียดายที่เป็นจุดที่รูปภาพน่าสงสัยมักถูกส่งมา การหาสำเนาที่ใหญ่กว่าของรูปภาพเดียวกันมักเป็นขั้นตอนถัดไปที่มีประโยชน์ที่สุด

เหตุใดเรื่องนี้จึงสำคัญกว่าความแม่นยำ

การปรับปรุงแบบจำลองทั้งเฟรมจาก 91 เป็น 93 เปอร์เซ็นต์แทบไม่ได้เปลี่ยนอะไรสำหรับคนที่ตรวจสอบรูปภาพหลักฐาน การสามารถเห็นได้ว่ามุมหนึ่งของเฟรมมีพฤติกรรมต่างจากส่วนอื่นจะเปลี่ยนข้อสรุปไปโดยสิ้นเชิง

มุมมองแบบแบ่งส่วนยังทำให้ผลลัพธ์สามารถอธิบายได้ ซึ่งสำคัญในทุกที่ที่การตัดสินใจต้องได้รับการพิสูจน์ในภายหลัง ผู้ตรวจสอบ หรือเจ้าหน้าที่จัดการการเคลมสามารถชี้ไปที่ส่วนเฉพาะของรูปภาพและบอกได้ว่าทำไมพวกเขาจึงตรวจสอบจุดนั้นอย่างละเอียด ไม่มีใครทำเช่นนั้นได้ด้วยตัวเลขเปอร์เซ็นต์เดียว

ทำไมต้องใช้ตารางแบบซ้อนทับกันแทนที่จะเป็นตารางธรรมดา

ตารางธรรมดามีจุดอ่อนที่ปรากฏชัดเจนในทางปฏิบัติ การแก้ไขที่วางอยู่บนขอบจะถูกแบ่งออกเป็นสองตาราง และแต่ละตารางจะเห็นหลักฐานเพียงครึ่งเดียวเมื่อเทียบกับตารางที่เต็มไปด้วยพิกเซลของจริง ทั้งสองตารางจะได้คะแนนปานกลาง และผลลัพธ์ก็จะหายไป

การซ้อนทับตารางจะช่วยแก้ปัญหานี้ ทุกจุดในเฟรมจะอยู่ภายในอย่างน้อยหนึ่งภูมิภาค ดังนั้นการแทรกขนาดเล็กจะถูกตรวจสอบกับตารางที่ครอบคลุมมันมากกว่าตารางที่แบ่งส่วนมัน ต้นทุนคือการรันแบบจำลองหลายครั้งขึ้น ซึ่งบนอุปกรณ์ท้องถิ่นนั้นใช้เวลาเพียงหนึ่งวินาที

นอกจากนี้ยังอธิบายว่าทำไมตารางที่อยู่ติดกันมักจะแสดงคะแนนสูงพร้อมกัน วัตถุที่แทรกเข้าไปจุดเดียวที่วางอยู่บนสองภูมิภาคที่ซ้อนทับกันจะยกคะแนนขึ้นทั้งคู่ ซึ่งเป็นเหตุผลว่าทำไมความติดกันจึงเป็นสัญญาณสนับสนุนมากกว่าจะเป็นสัญญาณของการแก้ไขสองส่วนแยกกัน

ผลในทางปฏิบัติคือจำนวนตารางจะแตกต่างกันไปตามรูปร่างของรูปภาพ พาโนรามาแบบกว้างจะถูกแบ่งแตกต่างจากภาพพอร์ตเทรตแบบสี่เหลี่ยม และขนาดของตารางจะถูกรายงานพร้อมกับทุกผลลัพธ์ เพื่อให้คุณเห็นว่าเฟรมถูกตัดแบ่งละเอียดเพียงใด

คำถามที่ผู้คนมักถาม

แผนภูมิความร้อนบนเครื่องตรวจจับรูปภาพ AI แสดงอะไร

แสดงวิธีการกระจายสัญญาณสังเคราะห์ทั่วทั้งเฟรมแทนที่จะหาค่าเฉลี่ย แต่ละตารางจะได้รับคะแนนแยกกันโดยแบบจำลองเดียวกัน ดังนั้นคุณจึงเห็นว่าภาพทั้งภาพดูเหมือนสร้างจาก AI หรือเป็นเพียงบางส่วน ผลลัพธ์สองอย่างนั้นมีความหมายที่แตกต่างกันมาก

ภูมิภาคที่มีคะแนนสูงหมายความว่าส่วนนั้นถูกแก้ไขแน่นอนใช่หรือไม่

ไม่ หมายความว่าแบบจำลองพบสัญญาณที่แข็งแกร่งที่สุดที่จุดนั้น พื้นที่เรียบ การบีบอัดหนักในมุมหนึ่ง หรือภูมิภาคที่มีพื้นผิวผิดปกติล้วนสามารถยกคะแนนตารางขึ้นได้โดยไม่มีการแก้ไขใดๆ ให้ถือว่าเป็นเครื่องชี้ให้มองด้วยตาของคุณเอง ไม่ใช่ข้อสรุป

ทำไมคะแนนทั้งเฟรมจึงต่ำกว่าตารางที่มีคะแนนสูงสุด

เพราะมันถูกคำนวณจากทั้งเฟรมแทนที่จะเป็นค่าสูงสุดของตาราง พื้นที่จริงขนาดใหญ่จะดึงคะแนนรวมลง นั่นคือเหตุผลที่ว่าทำไมต้องรายงานตัวเลขทั้งสองค่าแทนที่จะเป็นเพียงค่าเดียว

มีการให้คะแนนกี่ภูมิภาค

ขึ้นอยู่กับรูปร่างและขนาดของรูปภาพ โดยทั่วไปจะอยู่ที่ระหว่าง 6 ถึง 12 ตารางที่ซ้อนทับกัน ขนาดของตารางจะแสดงพร้อมกับผลลัพธ์เพื่อให้คุณเห็นว่าเฟรมถูกแบ่งละเอียดเพียงใด

ฉันสามารถใช้แผนที่เพื่อพิสูจน์ว่าส่วนไหนถูกแก้ไขได้ไหม

ไม่ได้ และนี่เป็นความเข้าใจผิดที่พบบ่อยที่สุด แผนที่แสดงจุดที่สัญญาณทางสถิติมีความเข้มข้น ซึ่งไม่ใช่การแสดงขอบเขตของการดัดแปลง มันเป็นเพียงตัวช่วยให้มนุษย์ตรวจสอบพื้นที่เฉพาะได้ใกล้ชิดขึ้นเท่านั้น ไม่ใช่ข้อสรุปในตัวเอง

ถ้าทุกช่องแตกต่างกันโดยไม่มีรูปแบบล่ะ

นั่นมักหมายความว่าไฟล์ภาพผ่านการประมวลผลมามากจนสัญญาณระดับภูมิภาคกลายเป็นสัญญาณรบกวน ค่าที่กระจัดกระจายโดยไม่มีความต่อเนื่องหรือความสัมพันธ์กับเนื้อหาภาพ เป็นสัญญาณว่าไฟล์นั้นไม่สามารถนำมาวิเคราะห์ได้อย่างน่าเชื่อถือ