Görüntü oluşturuculara ve geride bıraktıklarına dair bir saha rehberi

Piksel analizi, üretken bir şeyin dahil edildiğini tahmin eder. Yalnızca dosyanın kendisi, bir kimlik bilgisi veya gömülü bir işaret aracılığıyla, hangi aracın bunu yaptığını adlandırabilir. Çoğu dosya ikisini de taşımaz.

İki şerit

Bir dedektör iki bağımsız kontrol çalıştırır ve bunlar farklı şeylere cevap verir. Bunları ayrı tutmak, bu sayfadaki en yararlı tek fikirdir.

Piksel analizi

Ekran görüntüleri ve sıkıştırmadan sonra çalışır
Bir kimlik değil, bir olasılık döndürür
Tasarım gereği oluşturucudan bağımsızdır
Bir aracı adlandıramaz
Görülmemiş mimarilere karşı bozulur

Dosya kanıtı

Aracı tam olarak adlandırabilir
İmzalandığında kriptografiktir
Neredeyse her platform tarafından kaldırılır
Çoğu görüntüde yoktur
Kasıtlı olarak önemsizce çıkarılır

Sol şerit neredeyse tüm görüntülerde çalışır. Sağ şerit hala kendi kaydını taşıyan küçük azınlıkta çalışır.

Bir dosya ne beyan edebilir

Bir görüntü hala orijinal yapısını taşıdığında, çeşitli işaret türleri mevcut olabilir. Her biri, piksellerden türetilen bir şeyden ziyade, onu yazan yazılım tarafından yapılan bir iddiadır.

İçerik Kimlik Bilgileri (Content Credentials). Aracı ve ne yaptığını adlandıran imzalı bir bildiri. Bazı büyük oluşturucular artık çıktılarını imzalıyor, bu da bunun en güçlü biçimidir.
Oluşturma parametreleri. Birkaç açık araç, istemi, çekirdeği, örnekleyiciyi ve model adını doğrudan dosyaya gömer; bu, çoğu insanın bulmayı beklediğinden daha fazla bilgidir.
Yazılım tanımlayıcıları. Görüntüyü en son kaydeden uygulamayı adlandıran düz bir meta veri alanı.
Beyan edilen AI filigranları. Görünmez bir filigranın uygulandığını belirten bir işaret; bu, filigranın kendisinden ziyade bir beyandır.
Kamera yakalama iddiaları. İmzalı bir kamera tarafından yapılan, dosyanın bir sensörden geldiğine dair karşı iddia.

Bunların hepsi, bir görüntü neredeyse herhangi bir platforma yüklendiği anda kaybolur. Bu yüzden dosya taraması yapmaya değerdir ancak asla güvenmeye değmez: bir şey bulduğunda bulgu güçlüdür ve çoğu zaman hiçbir şey bulamaz.

Oluşturucuyu adlandırmak neden zordur

Mümkün olması gerekiyormuş gibi geliyor. Farklı araçlar farklı estetikler üretir ve onlarla zaman geçiren bir kişi genellikle doğru tahminde bulunabilir. Bu sezgi, üç nedenden dolayı bir dedektöre aktarılmaz.

Modeller mimarileri ve eğitim verilerini paylaşır, bu nedenle istatistiksel parmak izleri büyük ölçüde örtüşür. Birçok araç aynı temelin ince ayarlarıdır, bu da çıktıları bir kişi için farklı görünse bile doku düzeyinde ayırt edilemez olmalarını sağlar.

Çıktılar ayrıca işlem sonrası süreçlerden geçer. Ölçeklendirme, yüz restorasyonu ve düzenleme, oluşturmadan sonra gerçekleşir ve tanımlamanın bağlı olacağı dokuyu tam olarak yeniden yazar. Bir görüntü yayınlandığında, oluşturucudan çok ölçeklendiriciden daha fazlasını taşıyor olabilir.

Ve hedef sürekli hareket eder. Herhangi bir tanımlama modeli, zaten var olan şeylerin bir arama tablosudur, bu da onu eğitildiğinden beri piyasaya sürülen her şey hakkında bariz olmaktan ziyade sessiz bir şekilde yanlış kılar.

İyi kapsam gerçekte ne anlama gelir

Bir dedektör hakkındaki yararlı soru, ismiyle hangi oluşturucuları tanıdığı değildir. Eğitimin ne kadar geniş olduğudur, çünkü henüz piyasaya sürülmemiş model üzerindeki performansı tahmin eden şey genişliktir.

Kapsam oluşturmanın iki yolu
Yaklaşım	Güç	Zayıflık
Birkaç büyük ticari araç üzerinde eğit	Bu araçlarda yüksek doğruluk	Başka herhangi bir şeye zayıf genelleme
Binlerce oluşturucu genelinde eğit	Görülmemiş modellere geneller	Herhangi birinde daha düşük tepe doğruluğu
Bir mimarinin eserini ara	Sürdüğü sürece çok yüksek	Yöntem değiştiğinde tamamen başarısız olur
Sadece dosya işaretlerini oku	Mevcut olduğunda kesin	Görüntülerin çoğunda kör

İkinci satır burada kullanılan yaklaşımdır ve bu takas kasıtlıdır. Dört üründe mükemmel ve beşincisinde işe yaramaz olan bir dedektör, birinin size gönderdiği bir görüntüyü kontrol etmek için pek işe yaramaz.

Ürün isimleri üzerine

Desteklenen oluşturucuların listeleri, teknik bir şeyden çok pazarlama eseridir. Bir piksel modelinin listesi yoktur; bir eğitim dağılımı vardır. Ürünleri adlandırmak, geniş çaplı tespitin sahip olmadığı ve ihtiyaç duymadığı, araç başına bir yetenek olduğunu ima eder.

Buradaki bir sonuçta bir isim göründüğünde, bu piksellerden ziyade dosyadan gelmiştir ve sonuç bunu belirtir. Bu ayrım, kullandığınız herhangi bir araçtan talep etmeye değer.

Bir kapsam iddiası nasıl okunur

Satıcılar, kapsamı karşılaştırılabilir gibi görünen ancak öyle olmayan şekillerde tanımlarlar. Üç ifade tekrar tekrar ortaya çıkar ve her biri farklı bir anlama gelir.

X, Y ve Z'den gelen görüntüleri tespit eder, genellikle kıyaslamanın bu üçünü içerdiği anlamına gelir. Bu, yetenekten ziyade test hakkında bir ifadedir ve dördüncü oluşturucu hakkında hiçbir şey söylemez.

Kırktan fazla oluşturucuyu destekler, genellikle eğitim setinin bu kadar kaynaktan yararlandığı anlamına gelir. Bu daha anlamlıdır, çünkü eğitimin genişliği genellemeyi tahmin eden şeydir ve yine de belirli bir araç hakkında bir garanti değildir.

Kaynak modeli tanımlamak, sorgulanması en zor iddiadır. Bu tanımlamanın dosyadan mı yoksa piksellerden mi geldiğini sorgulayın. Eğer piksellerden geliyorsa, tanımlama doğruluğunu tespit doğruluğundan ayrı olarak sorun, çünkü bunlar birbirinden çok farklı rakamlardır.

İnsanların sorduğu sorular

Bir tespit aracı, bir görselin özellikle Midjourney'den gelip gelmediğini söyleyebilir mi?

Yalnızca dosya hala bunu belirten bir kimlik bilgisi veya işaret taşıyorsa söylenebilir; ancak bir görsel herhangi bir yerde paylaşıldıktan sonra bu durum yaygın değildir. Sadece piksellere bakarak hayır. Ortak mimariler ve eğitim verileri üzerine inşa edilmiş modeller örtüşen parmak izlerine sahiptir ve işlem sonrası müdahaleler onları ayıran az miktardaki detayı da bulanıklaştırır.

Yapay zeka üreteçleri çıktılarına filigran ekler mi?

Bazıları piksellerde görünmez bir desen veya dosyada imzalı bir kimlik bilgisi kullanarak bunu yapar ve şu an birçok büyük araç bunlardan birini veya her ikisini birden uygulamaktadır. Kapsam kısmi düzeydedir, açık modeller genellikle bunu yapmaz ve kırpma, yeniden kodlama veya bir platforma yükleme işlemleriyle bunların tamamı kaldırılabilir.

Bir sonuç neden bazen bir aracı isimlendirir?

Çünkü dosya öyle belirtmiştir. Bazı üreteçler model adını, istemi (prompt) ve seed değerini doğrudan görselin meta verilerine gömer. Bu bilgi mevcut olduğunda güçlü bir bulgudur ve resimden türetilmiş bir şeyden ziyade yazılım tarafından yapılmış bir beyandır.

Daha uzun bir desteklenen üreteçler listesi, daha iyi bir tespit aracı anlamına mı gelir?

Tam olarak değil ve buna şüpheyle yaklaşmakta fayda var. Bir piksel modeli, ürün bazlı olmaktan ziyade üreteçler arasında paylaşılan istatistiksel bir özellik üzerinde çalışır. Uzun bir liste genellikle test kümesinde nelerin yer aldığını tanımlar, bu da aracın neleri işleyebileceği ile aynı şey değildir.

Peki ya geçen hafta piyasaya sürülen bir üreteçten gelen görseller?

Yanlış negatif yönünde, doğruluğun azaldığını bekleyin. Görülmemiş çıktılar belirsiz olmaktan ziyade düşük puan alma eğilimindedir; bu yüzden başka nedenlerle şüphe duyduğunuz bir görsel, kontrol sonucu temiz çıksa bile şüpheyi hak eder.

Meta veriler genellikle silindiği halde dosyayı kontrol etmeye değer mi?

Evet, çünkü maliyeti yoktur ve bazen sorunu doğrudan çözer. Yapay zeka tarafından oluşturulduğunu beyan eden geçerli bir kimlik bilgisi, analizi tek adımda bitirir. Tarama her durumda piksel kontrolüyle birlikte çalışır, bu yüzden karar verilecek bir şey yoktur.