Как PhotoProof Labs комбинира множество сигнали в едно решение

Защо един сигнал не е достатъчен

Единен класификатор за ИИ генериране може уверено да греши: компресията може да имитира артефакти от генериране, а все по-способни генератори могат да преминат проверки на визуални модели, на които са разчитали по-стари детектори. Третирането на изхода на един модел като заключение наследява всички режими на отказ на този модел.

Петте слоя накратко

Всеки слой отговаря на по-тесен, по-проверим въпрос от просто „това ИИ ли е?“.

• Анализ на визуални ИИ модели — статистически и текстурни артефакти, характерни за генеративни модели
• Преглед на EXIF и метаданни — наличие, съгласуваност и правдоподобност на метаданните на камерата/софтуера
• Сигнали за компресия и повторно заснемане — следи от двойна компресия и прекодиране
• Следи от манипулация и ретуш — индикатори за локализирано редактиране и монтаж
• Семантична правдоподобност на сцената — физическа и контекстуална съгласуваност на изобразената сцена

Как се комбинират слоевете

Слоевете не се осредняват сляпо в едно число. Съгласуваността между независими слоеве повишава увереността; когато слоевете не се съгласуват, системата съобщава това несъгласие чрез по-ниска оценка на увереност, вместо мълчаливо да избере победител. Затова PhotoProof Labs съобщава вероятност и увереност като две отделни числа — вижте страницата за оценка на увереност за пълното обяснение.

Какво решава това и какво не

Комбинирането на множество сигнали намалява — но не елиминира — риска един подвеждащ сигнал да определи резултата. Възможно е изображение, което заблуждава всичките пет слоя едновременно, особено при нови генератори, все още неотразени в слоя за визуални модели. Затова PhotoProof Labs съобщава вероятностни доказателства, а не сертифицирано заключение.

Кой сигнал е с най-голяма тежест?

Никой не е фиксиран като доминиращ. Претеглянето зависи от това кои сигнали са действително налични и надеждни за даден файл — например скрийншот без EXIF данни по необходимост разчита повече на визуални и семантични сигнали.

Може ли потребител да види кои сигнали са в несъгласие?

Докладът за анализ разбива всеки сигнал поотделно, заедно с комбинираната оценка на вероятност и увереност, специално за да бъде видимо несъгласието между слоевете, вместо да бъде скрито в едно число.