ಪರಿಚಯ: ಮಸುಕಾದ ಚಂದ್ರನ ರಹಸ್ಯ
ಒಬ್ಬ ಗೆಳೆಯ ನನಗೆ ರಾತ್ರಿ ಒಂದು ನಾಟಕೀಯ ಚಂದ್ರನ ಫೋಟೋ ಕಳುಹಿಸಿದನು—ಕಿತ್ತಳೆ, ದೊಡ್ಡದಾಗಿ ಕಾಣುವ, ಉಬ್ಬರವಿಳಿತವನ್ನು ಮರುಸ್ವಾಧೀನಪಡಿಸಿಕೊಳ್ಳಲು ಹೊರಟಿದೆಯೇನೋ ಎನ್ನುವ ರೀತಿಯ ಚಂದ್ರ. "ಇದನ್ನು ನನ್ನ ಫೋನಿನಲ್ಲಿ ತೆಗೆದದ್ದು" ಎಂದು ಬರೆದಿದ್ದನು. ಮತ್ತು ನಾನು ಅದನ್ನು ನಂಬಿದೆ...ನಂತರ ಜೂಮ್ ಮಾಡುವವರೆಗೂ. ಕುಳಿಗಳು ವಿಚಿತ್ರವಾಗಿ ನಯವಾಗಿದ್ದವು, ಮೋಡಗಳು ತುಂಬಾ ಸಭ್ಯವಾದ ಬ್ರಷ್ನಿಂದ ಚಿತ್ರಿಸಿದಂತೆ ಕಾಣುತ್ತಿದ್ದವು, ಮತ್ತು ಇಡೀ ಚಿತ್ರವು ತುಂಬಾ ಪರಿಪೂರ್ಣವಾದ ವೈಬ್ ಅನ್ನು ಹೊಂದಿತ್ತು, ನೀವು ನಂಬಲು ಸಾಧ್ಯವಾಗದ ಹಾಲಿವುಡ್ ಸೆಟ್ನಂತೆ.
ಇಲ್ಲಿ ಒಂದು ತಿರುವು ಇದೆ: ನಿಜವಾದ ಸುಳಿವು "ನಕಲಿ-ಕಾಣುವ" ಚಂದ್ರನಲ್ಲ. ಅದು ಕಂಪ್ರೆಷನ್ನಿಂದ ಉಂಟಾದ ಕೊಳಕು ಎಲ್ಲರ ಕಣ್ಣಿಗೂ ಕಾಣುವಂತಿತ್ತು. JPEG ಕಲೆಗಳು, ಬೆಳಕಿಗೆ ಹೊಂದಿಕೆಯಾಗದ ಶಬ್ದ, ಫೋನ್ ಕ್ಯಾಮೆರಾಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಮಾಡುವ ತಪ್ಪುಗಳಿಗೆ ಹೊಂದಿಕೆಯಾಗದ ಬ್ಲಾಕಿ ಆರ್ಟಿಫ್ಯಾಕ್ಟ್ಗಳು.
ಕಂಪ್ರೆಷನ್ ಆರ್ಟಿಫ್ಯಾಕ್ಟ್ಗಳು AI ಚಿತ್ರಗಳನ್ನು ಗುರುತಿಸಲು ನಿಮಗೆ ಸಹಾಯ ಮಾಡುತ್ತದೆಯೇ ಎಂದು ನೀವು ಎಂದಾದರೂ ಯೋಚಿಸಿದ್ದರೆ—ಅಥವಾ AI ಒಂದು ಬೇಹುಗಾರಿಕೆ ಸಿನಿಮಾದಲ್ಲಿ ಕಂದಕದ ಕೋಟ್ನಂತೆ ಕಂಪ್ರೆಷನ್ನ ಹಿಂದೆ ಅಡಗಿಕೊಳ್ಳಬಹುದೇ ಎಂದು ಯೋಚಿಸಿದ್ದರೆ—ಒಂದು ಕುರ್ಚಿ ಎಳೆದು ಕುಳಿತುಕೊಳ್ಳಿ. ಕಂಪ್ರೆಷನ್ ಏನು ಮಾಡುತ್ತದೆ, ಯಾವ ಆರ್ಟಿಫ್ಯಾಕ್ಟ್ಗಳನ್ನು ನೋಡಬೇಕು ಮತ್ತು ನೈಜ-ಪ್ರಪಂಚದ ಪರಿಕರಗಳು ಮತ್ತು ತಂತ್ರಗಳು ಚಿತ್ರದ ಸಮಗ್ರತೆಯನ್ನು ಪರಿಶೀಲಿಸಲು ಹೇಗೆ ಸಹಾಯ ಮಾಡುತ್ತವೆ ಎಂಬುದರ ಕುರಿತು ನಾವು ಮಾತನಾಡೋಣ. ಮತ್ತು ಹೌದು: ನಿಮ್ಮ ಮೆದುಳನ್ನು ಪಿಕ್ಸೆಲ್ ಸೂಪ್ ಆಗಿ ಪರಿವರ್ತಿಸದೆ ನಾವು ಅದನ್ನು ಮಾಡುತ್ತೇವೆ.
ನಾವು ನಿಜವಾಗಿಯೂ ಏನನ್ನು ಹುಡುಕುತ್ತಿದ್ದೇವೆ: ಸಮಗ್ರತೆ, ಮಾಟಗಾತಿಯರ ಬೇಟೆ ಅಲ್ಲ
ನಾವು "AI ಚಿತ್ರದ ಕಂಪ್ರೆಷನ್ ಆರ್ಟಿಫ್ಯಾಕ್ಟ್ಗಳನ್ನು ವಿಶ್ಲೇಷಿಸುವುದು" ಎಂದು ಹೇಳಿದಾಗ, ನಾವು ಪ್ರತಿಯೊಂದು ತಂಪಾಗಿ ಕಾಣುವ ಫೋಟೋಗೆ ಕೆಂಪು ಗುರುತು ಹಾಕಲು ಪ್ರಯತ್ನಿಸುತ್ತಿಲ್ಲ. ನಾವು ಹೆಚ್ಚು ಪ್ರಾಯೋಗಿಕ ಪ್ರಶ್ನೆಗೆ ಉತ್ತರಿಸಲು ಪ್ರಯತ್ನಿಸುತ್ತಿದ್ದೇವೆ: ನಾವು ಈ ಚಿತ್ರವನ್ನು ಎಷ್ಟು ನಂಬಬಹುದು? ಇದು ನೇರವಾಗಿ ಕ್ಯಾಮೆರಾದಿಂದ ಬಂದಿದೆಯೇ, ಅಥವಾ ಉತ್ಪಾದಕ ಮಾದರಿಯು ಅದನ್ನು ಅಸ್ತಿತ್ವಕ್ಕೆ ತಂದಿದೆಯೇ? ಇದನ್ನು ಸಂಪಾದಿಸಲಾಗಿದೆಯೇ? ಮರು-ಸಂಕೋಚಿಸಲಾಗಿದೆಯೇ? ಸುಳಿವುಗಳನ್ನು ತೆಗೆದುಹಾಕುವ ಫಿಲ್ಟರ್ ಮೂಲಕ ಚಲಾಯಿಸಲಾಗಿದೆಯೇ?
ಸಮಗ್ರತೆ ಎಂದರೆ ಯಾವಾಗಲೂ "ನಿಜ" ಎಂದಲ್ಲ. ಇದರರ್ಥ "ದೃಢೀಕರಿಸಬಹುದಾದ". ಇದು ಕಸ್ಟಡಿಯ ಸರಣಿ, ಮೂಲ ಮತ್ತು ನಾವು ನೋಡುತ್ತಿರುವ ಚಿತ್ರವು ನಮಗೆ ಹೇಳಲಾಗುತ್ತಿರುವ ಕಥೆಗೆ ಹೊಂದಿಕೆಯಾಗುತ್ತದೆಯೇ ಎಂಬುದರ ಬಗ್ಗೆ ಇರುತ್ತದೆ.
ಕಂಪ್ರೆಷನ್ 101: ನಿಮ್ಮ ಫೋಟೋಗಳು ಏಕೆ ಕ್ರಂಚಿಯಾಗಿರುತ್ತವೆ
ನೀವು ಆನ್ಲೈನ್ನಲ್ಲಿ ನೋಡುವ ಹೆಚ್ಚಿನ ಚಿತ್ರಗಳನ್ನು ಕಂಪ್ರೆಸ್ ಮಾಡಲಾಗುತ್ತದೆ—ಹೆಚ್ಚಾಗಿ JPEG ಗಳಾಗಿ. ಕಂಪ್ರೆಷನ್ ಎಂದರೆ "ಫೈಲ್ ಚಿಕ್ಕದಾಗುವಂತೆ ಕೆಲವು ಡೇಟಾವನ್ನು ತೆಗೆದುಹಾಕುವುದು" ಎಂಬುದಕ್ಕೆ ಒಂದು ಅಲಂಕಾರಿಕ ಪದ. JPEG ಇದನ್ನು 8×8 ಪಿಕ್ಸೆಲ್ ಬ್ಲಾಕ್ಗಳು ಮತ್ತು ಗಣಿತದ ಕುಗ್ಗಿಸುವ ಕಿರಣವನ್ನು ಬಳಸಿ ಮಾಡುತ್ತದೆ. ಇದರ ಫಲಿತಾಂಶ: ನೀವು ಶೇಖರಣಾ ಸ್ಥಳ ಮತ್ತು ಬ್ಯಾಂಡ್ವಿಡ್ತ್ ಅನ್ನು ಉಳಿಸುತ್ತೀರಿ. ಇದರ ಬೆಲೆ: ನೀವು ಆರ್ಟಿಫ್ಯಾಕ್ಟ್ಗಳನ್ನು ಪಡೆಯುತ್ತೀರಿ—ಚಿಕ್ಕ ಬ್ಲಾಕ್ ಗಡಿಗಳು, ಕಲೆತ ವಿನ್ಯಾಸಗಳು, ಅಂಚುಗಳ ಸುತ್ತಲಿನ ಪ್ರಭಾವಲಯಗಳು ಮತ್ತು ಆ ಹೇಳುವ "ಸೊಳ್ಳೆ ಶಬ್ದ".
ಈಗ, ಇಲ್ಲಿ ಒಂದು ಟ್ವಿಸ್ಟ್ ಇದೆ: ಕ್ಯಾಮೆರಾ ಫೋಟೋಗಳು ಮತ್ತು AI-ಉತ್ಪಾದಿತ ಚಿತ್ರಗಳು ಕಂಪ್ರೆಷನ್ ಪ್ರಾರಂಭವಾಗುವ ಮೊದಲು ವಿಭಿನ್ನವಾದ "ವಿನ್ಯಾಸದ ಸಹಿಗಳನ್ನು" ಹೊಂದುವ ಪ್ರವೃತ್ತಿಯನ್ನು ಹೊಂದಿರುತ್ತವೆ. ಕ್ಯಾಮೆರಾ ಚಿತ್ರಗಳು ಸಂವೇದಕ-ಆಧಾರಿತ ವಿಚಿತ್ರತೆಗಳನ್ನು ಹೊಂದಿವೆ—PRNU ನಂತೆ, ಫೋಟೋ-ರೆಸ್ಪಾನ್ಸ್ ನಾನ್-ಯೂನಿಫಾರ್ಮಿಟಿ ಫಿಂಗರ್ಪ್ರಿಂಟ್ ಒಂದು ಕ್ಯಾಮೆರಾದ DNA ದಂತೆಯೇ ವೈಯಕ್ತಿಕವಾಗಿರುತ್ತದೆ. ಮತ್ತೊಂದೆಡೆ, AI ಚಿತ್ರಗಳು ಜನರೇಟರ್ನ ಕಲಿತ ಮಾದರಿಗಳಿಂದ ಹೊರಹೊಮ್ಮುತ್ತವೆ—ನರಗಳ ವಿನ್ಯಾಸಗಳು ಅಂಕಿಅಂಶಗಳ ಪ್ರಕಾರ ತುಂಬಾ ನಯವಾಗಿ ಅಥವಾ ವಿಚಿತ್ರವಾಗಿ ನಿಯಮಿತವಾಗಿ ಕಾಣಿಸಬಹುದು. ಅವುಗಳನ್ನು ಕಂಪ್ರೆಸ್ ಮಾಡಿ, ಮತ್ತು ಆರ್ಟಿಫ್ಯಾಕ್ಟ್ಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಆ ಆಧಾರವಾಗಿರುವ ಮಾದರಿಗಳೊಂದಿಗೆ ಸೂಕ್ಷ್ಮವಾಗಿ ವಿಭಿನ್ನ ರೀತಿಯಲ್ಲಿ ಸಂವಹನ ನಡೆಸುತ್ತವೆ.
ಆರ್ಟಿಫ್ಯಾಕ್ಟ್ಗಳು ಕಥೆಗಳನ್ನು ಹೇಳುವ ಸ್ಥಳ
- ಡಬಲ್ ಕಂಪ್ರೆಷನ್ ಸಮಸ್ಯೆಗಳು: ಒಂದು ಚಿತ್ರವನ್ನು ಎರಡು ಬಾರಿ JPEG ಆಗಿ ಉಳಿಸಿದರೆ (ಉದಾಹರಣೆಗೆ, ಸಂಪಾದಿಸಿ ಮತ್ತು ಮರು-ಉಳಿಸಿದರೆ), DCT ಗುಣಾಂಕಗಳ ಹಿಸ್ಟೋಗ್ರಾಮ್ ಒಂದು ವಿಚಿತ್ರವಾದ ಲಯವನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಬಹುದು. ಪರಿಕರಗಳು ಆ ಮಾದರಿಗಳನ್ನು ಪತ್ತೆ ಮಾಡಬಹುದು ಮತ್ತು ಸಂಭವನೀಯ ಸಂಪಾದನೆಯನ್ನು ಗುರುತಿಸಬಹುದು.
- ಬ್ಲಾಕ್ ಬೌಂಡರಿ ವಿಚಿತ್ರತೆ: JPEG ಬ್ಲಾಕ್ಗಳಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ. ಒಂದು ಚಿತ್ರದ ಭಾಗಗಳು ಸ್ಥಿರವಾದ ಬ್ಲಾಕಿಂಗ್ ಅನ್ನು ತೋರಿಸದಿದ್ದರೆ—ಮತ್ತು ಅವು ತೋರಿಸಬೇಕು—ಏನನ್ನಾದರೂ ಅಂಟಿಸಲಾಗಿದೆ ಅಥವಾ ಅಸ್ಥಿರವಾಗಿ ಮರುಸಂಕೋಚಿಸಲಾಗಿದೆ ಎಂಬುದಕ್ಕೆ ಅದು ಒಂದು ಸುಳಿವು.
- ಶಬ್ದದ ಹೊಂದಾಣಿಕೆಯಾಗದಿರುವುದು: ನಿಜವಾದ ಕ್ಯಾಮೆರಾಗಳು ಒಂದು ರೀತಿಯ ಯಾದೃಚ್ಛಿಕ, ಬೆಳಕು-ಅವಲಂಬಿತ ಧಾನ್ಯವನ್ನು ಪರಿಚಯಿಸುತ್ತವೆ. AI ಕೆಲವೊಮ್ಮೆ ತುಂಬಾ ಏಕರೂಪವಾಗಿರುವ ಅಥವಾ ನೆರಳುಗಳು ಮತ್ತು ಹೈಲೈಟ್ಗಳಿಂದ ಬೇರ್ಪಟ್ಟಿರುವ ಶಬ್ದವನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ, ಅಲ್ಲಿ ನಿಜವಾದ ಶಬ್ದವು ನೆಲೆಸಲು ಇಷ್ಟಪಡುತ್ತದೆ. ಕಂಪ್ರೆಷನ್ ನಂತರ, ಆ ಶಬ್ದ ಮಾದರಿಗಳು ತುಂಬಾ ಅಚ್ಚುಕಟ್ಟಾಗಿ ಕುಸಿಯಬಹುದು ಅಥವಾ ನಕಲಿ-ಅಂಟಿಸಿದಂತೆ ಕಾಣಬಹುದು.
- "ತುಂಬಾ ನಯವಾದ" ವಲಯಗಳನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಿ: ಚರ್ಮ, ಮೋಡಗಳು, ಕೂದಲು ಮತ್ತು ಎಲೆಗಳು ಇಲ್ಲಿ ಕಂಪ್ರೆಷನ್ ತನ್ನ ಪ್ರತಿಸ್ಪರ್ಧಿಯನ್ನು ಭೇಟಿಯಾಗುತ್ತದೆ. ಕ್ಯಾಮೆರಾ ಚಿತ್ರಗಳಲ್ಲಿ, ಈ ವಿನ್ಯಾಸಗಳು ಪರಿಚಿತ ರೀತಿಯಲ್ಲಿ ಒಡೆಯುತ್ತವೆ. AI ಚಿತ್ರಗಳಲ್ಲಿ, ಅವು ತುಂಬಾ ಚೆನ್ನಾಗಿ ಹಿಡಿದಿಟ್ಟುಕೊಳ್ಳಬಹುದು, ಅಥವಾ ವಾಸ್ತವಿಕವಲ್ಲದ ಪ್ಲಾಸ್ಟಿಕ್ ಆಗಿ ಕುಸಿಯಬಹುದು.
- ಎಡ್ಜ್ ಪ್ರಭಾವಲಯಗಳು ಮತ್ತು ರಿಂಗಿಂಗ್: ನೈಸರ್ಗಿಕ ರಿಂಗಿಂಗ್ ಚೂಪಾದ ಅಂಚುಗಳ ಉದ್ದಕ್ಕೂ ಸಂಭವಿಸುತ್ತದೆ, ಆದರೆ ಪ್ರಭಾವಲಯಗಳ ಬಲ ಮತ್ತು ಹರಡುವಿಕೆಯು ದೃಶ್ಯದ ಉಳಿದ ಭಾಗಕ್ಕೆ ಹೊಂದಿಕೆಯಾಗದಿದ್ದರೆ—ಅಥವಾ ಅಂಚುಗಳು ಇರಬಾರದ ಸ್ಥಳದಲ್ಲಿ ಕಾಣಿಸಿಕೊಂಡರೆ—ಅದು ಹತ್ತಿರದಿಂದ ನೋಡಲು ಯೋಗ್ಯವಾಗಿದೆ.
ವಿವರಣೆ: ಒಬ್ಬ ವೃತ್ತಿಪರ ಅನುಮಾನಾಸ್ಪದ JPEG ಅನ್ನು ಹೇಗೆ ಪರಿಶೀಲಿಸಬಹುದು
- ಕಥೆಯೊಂದಿಗೆ ಪ್ರಾರಂಭಿಸಿ. ಅದು ಎಲ್ಲಿಂದ ಬಂತು? ಏರ್ಡ್ರಾಪ್, ಕ್ಯಾಮೆರಾ ರೋಲ್, ಸಾಮಾಜಿಕ ಮಾಧ್ಯಮ? ಪೋಸ್ಟ್ ಮಾಡಲಾದ, ಡೌನ್ಲೋಡ್ ಮಾಡಲಾದ, ಮರುಅಪ್ಲೋಡ್ ಮಾಡಲಾದ ಮತ್ತು ಸತ್ತಂತೆ ನೆನಪಿಟ್ಟುಕೊಂಡಿರುವ ಫೈಲ್ ಒಂದು ಗೊಂದಲಮಯ ಕಂಪ್ರೆಷನ್ ಇತಿಹಾಸವನ್ನು ಹೊಂದಿರುತ್ತದೆ. ಆ ಗೊಂದಲವು ಸುಳಿವುಗಳನ್ನು ಅಳಿಸಿಹಾಕಬಹುದು ಅಥವಾ ನಕಲಿ ಮಾಡಬಹುದು—ಆದ್ದರಿಂದ ನಿಮ್ಮ ವಿಶ್ವಾಸವು ಅದಕ್ಕೆ ಅನುಗುಣವಾಗಿ ಕಡಿಮೆಯಾಗಬೇಕು.
- ಮೆಟಾಡೇಟಾವನ್ನು ಪರಿಶೀಲಿಸಿ, ಆದರೆ ನಿಧಾನವಾಗಿ. EXIF ಡೇಟಾ ನಿಮಗೆ ಕ್ಯಾಮೆರಾ ಮಾದರಿ, ಲೆನ್ಸ್, ಸಮಯ, GPS ಅನ್ನು ಸಹ ಹೇಳಬಹುದು. ಆದರೆ ಇದು ನಾಶಮಾಡಲು ಅಥವಾ ನಕಲಿ ಮಾಡಲು ಸುಲಭವಾದ ಮಾರ್ಗವಾಗಿದೆ. ಯಾವುದೇ ಮೆಟಾಡೇಟಾ ಇಲ್ಲ ಎಂದರೆ ಅದು ನಕಲಿ ಎಂದು ಅರ್ಥವಲ್ಲ—ಆದರೆ ಯಾರಾದರೂ "iPhone 15 Pro Max, ಕಳೆದ ಮಂಗಳವಾರ," ಎಂದು ಹೇಳಿಕೊಂಡರೆ ಮತ್ತು EXIF "Unknown, 1980," ಎಂದು ಹೇಳಿದರೆ, ನೀವು ಹುಬ್ಬುಗಳನ್ನು ಮೇಲಕ್ಕೆತ್ತುತ್ತೀರಿ.
- ದೋಷ ಮಟ್ಟದ ವಿಶ್ಲೇಷಣೆ (ELA). ELA ಕಂಪ್ರೆಷನ್ ವ್ಯತ್ಯಾಸಗಳನ್ನು ಹಿಗ್ಗಿಸುತ್ತದೆ. ಒಂದು ನೈಸರ್ಗಿಕ ಫೋಟೋದಲ್ಲಿ, ELA ಅಂಚುಗಳು ಮತ್ತು ಸಂಕೀರ್ಣ ವಿನ್ಯಾಸಗಳ ಸುತ್ತಲೂ ಬೆಳಗುವ ಪ್ರವೃತ್ತಿಯನ್ನು ಹೊಂದಿರುತ್ತದೆ. ಒಬ್ಬ ವ್ಯಕ್ತಿಯ ಮುಖವು ನಿಯಾನ್ ಚಿಹ್ನೆಯಂತೆ ಬೆಳಗುತ್ತಿದ್ದರೆ ಆದರೆ ದೃಶ್ಯದ ಉಳಿದ ಭಾಗವು ಬೆಳಗದಿದ್ದರೆ, ಅದು ಸ್ಪ್ಲೈಸ್ಗಳು ಅಥವಾ ಪ್ರದೇಶ-ನಿರ್ದಿಷ್ಟ ಸಂಪಾದನೆಗಳನ್ನು ಸೂಚಿಸುತ್ತದೆ.
- ಡಬಲ್-ಕಂಪ್ರೆಷನ್ ಮಾದರಿಗಳಿಗಾಗಿ ನೋಡಿ. ವಿಶೇಷ ಪರಿಕರಗಳು DCT ಗುಣಾಂಕದ ಹಿಸ್ಟೋಗ್ರಾಮ್ಗಳನ್ನು ವಿಶ್ಲೇಷಿಸುತ್ತವೆ ಮತ್ತು ಬಹು ಉಳಿತಾಯಗಳ ಚಿಹ್ನೆಗಳನ್ನು ಪತ್ತೆ ಮಾಡುತ್ತವೆ. ಎಚ್ಚರಿಕೆ: ಸಾಮಾಜಿಕ ಪ್ಲಾಟ್ಫಾರ್ಮ್ಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಚಿತ್ರಗಳನ್ನು ಮರು-ಸಂಕೋಚಿಸುತ್ತವೆ, ಆದ್ದರಿಂದ ಡಬಲ್-ಕಂಪ್ರೆಷನ್ ಮಾತ್ರ ಸಾಕ್ಷಿಯಲ್ಲ—ಅದು ಒಂದು ಸುಳಿವು.
- PRNU ವಿರುದ್ಧ ಜನರೇಟರ್ ಫಿಂಗರ್ಪ್ರಿಂಟ್ಗಳು. ನೀವು ಒಂದು ಕ್ಯಾಮೆರಾದಿಂದ ಉಲ್ಲೇಖದ ಶಾಟ್ಗಳನ್ನು ಹೊಂದಿದ್ದರೆ, ನೀವು ಅದರ ಸಂವೇದಕ ಫಿಂಗರ್ಪ್ರಿಂಟ್ (PRNU) ಅನ್ನು ಹೊಂದಿಸಲು ಪ್ರಯತ್ನಿಸಬಹುದು. ಕೆಲವು ಡಿಟೆಕ್ಟರ್ಗಳು GAN ಫಿಂಗರ್ಪ್ರಿಂಟ್ಗಳನ್ನು ಸಹ ಗುರುತಿಸಲು ಪ್ರಯತ್ನಿಸುತ್ತವೆ—ನಿರ್ದಿಷ್ಟ ಜನರೇಟರ್ಗಳು ಬಿಟ್ಟುಹೋದ ಅಂಕಿಅಂಶಗಳ ವಿಚಿತ್ರತೆಗಳು. ಭಾರೀ ಕಂಪ್ರೆಷನ್ ಇಲ್ಲಿ ಸೂಕ್ಷ್ಮತೆಯನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ, ಆದರೆ ಕೆಲವೊಮ್ಮೆ ತಕ್ಕಡಿಯ ತೂಕವನ್ನು ಬದಲಾಯಿಸಲು ಸಾಕಷ್ಟು ಉಳಿದುಕೊಳ್ಳುತ್ತದೆ.
- ಗಾತ್ರವನ್ನು ಬದಲಾಯಿಸಿ ಮತ್ತು ಉದ್ದೇಶಪೂರ್ವಕವಾಗಿ ಮರು-ಸಂಕೋಚಿಸಿ. ತನಿಖಾಧಿಕಾರಿಗಳು ಕೆಲವೊಮ್ಮೆ ಚಿತ್ರವನ್ನು ಪರಿವರ್ತಿಸುತ್ತಾರೆ—ಅದರ ಗಾತ್ರವನ್ನು ಸ್ವಲ್ಪಮಟ್ಟಿಗೆ ಬದಲಾಯಿಸುತ್ತಾರೆ, ತಿಳಿದಿರುವ ಗುಣಮಟ್ಟದ ಮಟ್ಟದಲ್ಲಿ ಮರು-ಸಂಕೋಚಿಸುತ್ತಾರೆ—ಮತ್ತು ಆರ್ಟಿಫ್ಯಾಕ್ಟ್ಗಳು ಹೇಗೆ ಬದಲಾಗುತ್ತವೆ ಎಂಬುದನ್ನು ನೋಡುತ್ತಾರೆ. ನೈಜ ಫೋಟೋಗಳು ಮತ್ತು AI ಚಿತ್ರಗಳು ವಿಭಿನ್ನವಾಗಿ ಪ್ರತಿಕ್ರಿಯಿಸಬಹುದು, ವಿಶೇಷವಾಗಿ ಕೂದಲು ಅಥವಾ ಹುಲ್ಲಿನಂತಹ ವಿನ್ಯಾಸ-ಭರಿತ ಪ್ರದೇಶಗಳಲ್ಲಿ.
- ಶಿಸ್ತಿನಿಂದ ಜೂಮ್ ಮಾಡಿ. ಪ್ರತಿ ಬ್ಲಾಬ್ ಅನ್ನು ಅತಿಯಾಗಿ ಅರ್ಥೈಸಬೇಡಿ. ಬದಲಾಗಿ, ವಿವಿಧ ಪ್ರದೇಶಗಳನ್ನು ಹೋಲಿಕೆ ಮಾಡಿ: ಆಕಾಶ ವಿರುದ್ಧ ಚರ್ಮ, ಪಠ್ಯ ಮೇಲ್ಪದರಗಳು ವಿರುದ್ಧ ಹಿನ್ನೆಲೆ, ಪ್ರತಿಫಲಿಸುವ ಮೇಲ್ಮೈಗಳು ವಿರುದ್ಧ ಮ್ಯಾಟ್ ಮೇಲ್ಮೈಗಳು. ನೀವು ಸ್ಥಿರತೆಯನ್ನು ಹುಡುಕುತ್ತಿದ್ದೀರಿ.
AI ಏನನ್ನು ಮರೆಮಾಡಲು ಉತ್ತಮವಾಗುತ್ತಿದೆ
- ಪಠ್ಯ ಮತ್ತು ಮೈಕ್ರೋಟೆಕ್ಚರ್ಗಳು: ಆರಂಭಿಕ AI ಅಕ್ಷರಗಳು ಮತ್ತು ಪುನರಾವರ್ತಿತ ಮಾದರಿಗಳೊಂದಿಗೆ ಹೋರಾಡಿತು; ಕಂಪ್ರೆಷನ್ ದೋಷಗಳನ್ನು ಸ್ಪಷ್ಟಗೊಳಿಸಿತು. ಹೊಸ ಮಾದರಿಗಳು ಸ್ವಚ್ಛವಾದ ಮೈಕ್ರೋಟೆಕ್ಚರ್ಗಳನ್ನು ನೀಡುತ್ತವೆ, ಮತ್ತು ಲೈಟ್ ಕಂಪ್ರೆಷನ್ ಅವುಗಳನ್ನು ಬಿಟ್ಟುಕೊಡದಿರಬಹುದು.
- ಬೆಳಕಿನ ಸುಸಂಬದ್ಧತೆ: ಜನರೇಟರ್ಗಳು ಈಗ ನೆರಳುಗಳು ಮತ್ತು ಪ್ರತಿಫಲನಗಳನ್ನು ಹೊಂದಿಸುವಲ್ಲಿ ಮನವರಿಕೆಯಾಗುವ ಕೆಲಸವನ್ನು ಮಾಡುತ್ತವೆ. ಒಮ್ಮೆ ಅಸ್ಥಿರತೆಗಳನ್ನು ಹೈಲೈಟ್ ಮಾಡಿದ ಕಂಪ್ರೆಷನ್ ಪ್ರಭಾವಲಯವು ನಿಮ್ಮನ್ನು ಇನ್ನು ಮುಂದೆ ಉಳಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ.
- ಸಿಂಥೆಟಿಕ್ ಶಬ್ದ: ಮಾದರಿಗಳು ಹೆಚ್ಚಾಗಿ ಕ್ಯಾಮೆರಾ-ರೀತಿಯ ಶಬ್ದವನ್ನು "ಮಿಶ್ರಣ" ಮಾಡಲು ಸೇರಿಸುತ್ತವೆ. JPEG ನಂತರ, ಇದು ತುಂಬಾ ನಂಬಲರ್ಹವಾಗಿ ಕಾಣಿಸಬಹುದು.
AI (ಸಾಮಾನ್ಯವಾಗಿ) ಎಲ್ಲಿ ಎಡವುತ್ತದೆ
- ಕಂಪ್ರೆಷನ್ನ ಅಡಿಯಲ್ಲಿ ಉತ್ತಮವಾದ ಪುನರಾವರ್ತಿತ ವಿವರ: ಹುಲ್ಲು, ತುಪ್ಪಳ, ದೂರದ ಎಲೆಗಳು, ಚೈನ್-ಲಿಂಕ್ ಬೇಲಿಗಳು. AI ಅವುಗಳನ್ನು "ಸಲಹೆಗಳಾಗಿ" ನೀಡಬಹುದು, ಮತ್ತು ಕಂಪ್ರೆಷನ್ ಆ ಸಲಹೆಗಳನ್ನು ಸವರಿಕೆಗಳಾಗಿ ಅಥವಾ ಲೂಪ್ಗಳಾಗಿ ಪರಿವರ್ತಿಸುತ್ತದೆ, ಅವು ಮನವರಿಕೆಯಾಗುವಂತೆ ಪುನರಾವರ್ತಿಸುವುದಿಲ್ಲ.
- ನೈಜ-ಪ್ರಪಂಚದ ಮೇಲ್ಮೈಗಳಲ್ಲಿ ಟೈಪೋಗ್ರಫಿ: ಬಾಗಿದ ಚಿಹ್ನೆಗಳು, ಉಬ್ಬು ಲೇಬಲ್ಗಳು, ಹೊಲಿಗೆ. AI ವೈಬ್ ಅನ್ನು ಸರಿಪಡಿಸಬಹುದು, ಆದರೆ ಕಂಪ್ರೆಷನ್ ಅಂಚಿನ ಗುಣಮಟ್ಟವನ್ನು ಬಹಿರಂಗಪಡಿಸುತ್ತದೆ, ಅದು ಊಹಿಸಲಾದ ವಸ್ತುವಿಗೆ ಹೊಂದಿಕೆಯಾಗುವುದಿಲ್ಲ.
- ಸೂಕ್ಷ್ಮವಾದ ಚಲನೆಯ ಮಸುಕು ಮತ್ತು ಕ್ಷೇತ್ರದ ಆಳದ ಪರಿವರ್ತನೆಗಳು: ನೈಜ ಲೆನ್ಸ್ಗಳು ವಿಶಿಷ್ಟ ರೀತಿಯಲ್ಲಿ ಮಸುಕಾಗಿಸುತ್ತವೆ ಮತ್ತು ಬೊಕೆ ಮಾಡುತ್ತವೆ. AI ನಕಲಿಗಳು ಸುಧಾರಿಸಿವೆ, ಆದರೆ ಕಂಪ್ರೆಷನ್ ಕೆಲವೊಮ್ಮೆ ಅವುಗಳ ಹೇಳುವ ಏಕರೂಪತೆಯನ್ನು ಉತ್ಪ್ರೇಕ್ಷಿಸುತ್ತದೆ.
ಪ್ರಾಯೋಗಿಕ: ಒಂದು ಸರಳವಾದ ಮನೆ ಪರೀಕ್ಷೆ (ಯಾವುದೇ ಲ್ಯಾಬ್ ಕೋಟ್ ಅಗತ್ಯವಿಲ್ಲ)
- ಹಂತ 1: 100% ಮತ್ತು 200% ನಲ್ಲಿ ಜೂಮ್ ಅನ್ನು ತೋರಿಸುವ ವೀಕ್ಷಕದಲ್ಲಿ ಚಿತ್ರವನ್ನು ತೆರೆಯಿರಿ. ಚಿತ್ರವು ಚಿಕ್ಕದಾಗಿದ್ದರೆ (ಉದಾಹರಣೆಗೆ, ಸಾಮಾಜಿಕ ಮಾಧ್ಯಮದಿಂದ), ಪವಾಡಗಳನ್ನು ನಿರೀಕ್ಷಿಸಬೇಡಿ.
- ಹಂತ 2: ಸ್ಥಿರತೆಗಾಗಿ ಸ್ಕ್ಯಾನ್ ಮಾಡಿ. ಬ್ಲಾಕಿ ಆರ್ಟಿಫ್ಯಾಕ್ಟ್ಗಳು ಎಲ್ಲೆಡೆ ಕಾಣಿಸಿಕೊಳ್ಳುತ್ತವೆಯೇ, ಅಥವಾ ಕೆಲವು ಅಂಟಿಸಿದಂತೆ ಕಾಣುವ ಪ್ರದೇಶಗಳಲ್ಲಿ ಮಾತ್ರವೇ?
- ಹಂತ 3: ಮುಖಗಳು, ಪಠ್ಯ ಮತ್ತು ಕೂದಲನ್ನು ಪರಿಶೀಲಿಸಿ. ಎಳೆಗಳು ಸಿರಪ್ ಆಗಿ ಕರಗುತ್ತವೆಯೇ? ಬೇರೆಲ್ಲವೂ ಮಸುಕಾಗುತ್ತಿರುವಾಗ ಅಕ್ಷರಗಳು ಗರಿಗರಿಯಾಗಿ ಇರುತ್ತವೆಯೇ—ಅಥವಾ ಪ್ರತಿಯಾಗಿ?
- ಹಂತ 4: ಆನ್ಲೈನ್ ಟೂಲ್ನಲ್ಲಿ ತ್ವರಿತ ELA ಅನ್ನು ಚಲಾಯಿಸಿ ಮತ್ತು ಪ್ರದೇಶಗಳನ್ನು ಹೋಲಿಕೆ ಮಾಡಿ. ಬದಲಾವಣೆಗಳು ಏಕರೂಪವಾಗಿ ಹೆಚ್ಚಾಗುತ್ತವೆಯೇ, ಅಥವಾ ಕೆಲವು ಭಾಗಗಳು ವಿಚಿತ್ರವಾಗಿ ಪ್ರಕಾಶಮಾನವಾಗಿ ಕಾಣಿಸಿಕೊಳ್ಳುತ್ತವೆಯೇ?
- ಹಂತ 5: ಫೈಲ್ ಮೆಟಾಡೇಟಾವನ್ನು ಹೊಂದಿದ್ದರೆ, ಅದನ್ನು ಓದಿ. ಕಥೆಯೊಂದಿಗೆ ಯಾವುದೇ ಹೊಂದಾಣಿಕೆಯಾಗದಿರುವಿಕೆ ಇದೆಯೇ?
- ಹಂತ 6: ಅನುಮಾನವಿದ್ದರೆ, ಮೂಲವನ್ನು ಕೇಳಿ. ಸ್ಕ್ರೀನ್ಶಾಟ್ಗಳಿಗಿಂತ ಮೂಲಗಳು ಬಲವಾದ ಸುಳಿವುಗಳನ್ನು ಹೊಂದಿರುತ್ತವೆ.
ಕಂಪ್ರೆಷನ್ ವಿರುದ್ಧ ಸಮಗ್ರತೆ: ದೊಡ್ಡ ಸಮಸ್ಯೆ
ಕಂಪ್ರೆಷನ್ ಬಹಿರಂಗಪಡಿಸುವುದು ಮಾತ್ರವಲ್ಲ; ಇದು ಅಳಿಸಿಹಾಕುತ್ತದೆ. ಅನೇಕ ಪ್ಲಾಟ್ಫಾರ್ಮ್ಗಳು ಮೆಟಾಡೇಟಾವನ್ನು ತೆಗೆದುಹಾಕುತ್ತವೆ, ಚಿತ್ರಗಳ ಗಾತ್ರವನ್ನು ಬದಲಾಯಿಸುತ್ತವೆ ಮತ್ತು ತೀವ್ರವಾಗಿ ಮರು-ಸಂಕೋಚಿಸುತ್ತವೆ. ಇದರರ್ಥ:
- ನೀವು ಹೆಚ್ಚು ತಪ್ಪು ನಕಾರಾತ್ಮಕಗಳನ್ನು ಪಡೆಯುತ್ತೀರಿ. ಐದು ಸಾಮಾಜಿಕ ಮಾಧ್ಯಮದ ಸುತ್ತಾಟಗಳ ನಂತರ ಒಂದು ನೈಜ ಫೋಟೋ "ಆಫ್" ಆಗಿ ಕಾಣಿಸಬಹುದು.
- ನೀವು ಹೆಚ್ಚು ತಪ್ಪು ಸಕಾರಾತ್ಮಕಗಳನ್ನು ಪಡೆಯುತ್ತೀರಿ. ಫೋನ್ ಕ್ಯಾಮೆರಾದ ಸ್ಕ್ರೀನ್ಶಾಟ್ ಮೂಲಕ ಚಲಾಯಿಸಲ್ಪಟ್ಟ AI ಚಿತ್ರ, ನಂತರ ಮೆಸೇಜಿಂಗ್ ಅಪ್ಲಿಕೇಶನ್, "ನೈಜ-ರೀತಿಯ" ಆರ್ಟಿಫ್ಯಾಕ್ಟ್ಗಳನ್ನು ಆನುವಂಶಿಕವಾಗಿ ಪಡೆಯಬಹುದು.
ಆದ್ದರಿಂದ ನೀವು ಒಂದು ಆರ್ಟಿಫ್ಯಾಕ್ಟ್ ಅನ್ನು ಆಧರಿಸಿ ತೀರ್ಮಾನವನ್ನು ತೆಗೆದುಕೊಳ್ಳಬೇಡಿ. ನೀವು ಪುರಾವೆಗಳನ್ನು ಜೋಡಿಸುತ್ತೀರಿ: ಮೆಟಾಡೇಟಾ, ದೋಷ ಮಟ್ಟಗಳು, ಶಬ್ದ ಪ್ರೊಫೈಲ್ಗಳು, ಕಂಪ್ರೆಷನ್ ಲಯ ಮತ್ತು ಹಳೆಯ-ಶೈಲಿಯ ಸಾಮಾನ್ಯ ಜ್ಞಾನವು ದೃಶ್ಯದ ಬಗ್ಗೆಯೇ ಇರುತ್ತದೆ.
ಪರಿಕರಪೆಟ್ಟಿಗೆ: 2025 ರಲ್ಲಿ ನಿಜವಾಗಿಯೂ ಸಹಾಯ ಮಾಡುವುದು ಯಾವುದು
- ಫೋಟೋ ಫೋರೆನ್ಸಿಕ್ಸ್ ಸೂಟ್ಗಳು: ಇವು ELA, ಕ್ಲೋನ್ ಡಿಟೆಕ್ಷನ್, ಶಬ್ದ ಮತ್ತು ಬ್ಲಾಕ್ ವಿಶ್ಲೇಷಣೆ ಮತ್ತು ಮೆಟಾಡೇಟಾ ವೀಕ್ಷಕರನ್ನು ನೀಡುತ್ತವೆ. ಅಂತಹ ಪರಿಕರಗಳ ಘನ ರೌಂಡ್-ಅಪ್ ಸರಿಯಾದ ಸ್ಟಾರ್ಟರ್ ಕಿಟ್ ಅನ್ನು ಆಯ್ಕೆ ಮಾಡಲು ನಿಮಗೆ ಸಹಾಯ ಮಾಡುತ್ತದೆ.
- ಡೀಪ್ಫೇಕ್ ಡಿಟೆಕ್ಷನ್ ಒಳನೋಟಗಳು: ಹೊಸ ಮಾನದಂಡಗಳು ನೈಜ-ಪ್ರಪಂಚದ ಕಂಪ್ರೆಷನ್ ಅಡಿಯಲ್ಲಿ ಡಿಟೆಕ್ಟರ್ಗಳನ್ನು ಒತ್ತಡ-ಪರೀಕ್ಷಿಸುತ್ತವೆ—ಮತ್ತು ಚಿತ್ರಗಳು ಗದ್ದಲದ ಅಥವಾ ಕಡಿಮೆ-ರೆಸ್ ಆಗಿರುವಾಗ ಯಾವ ವಿಧಾನಗಳು ಉಳಿದುಕೊಳ್ಳುತ್ತವೆ ಎಂಬುದನ್ನು ಬಹಿರಂಗಪಡಿಸುತ್ತವೆ. ನಿಮ್ಮ ಅನುಮಾನಾಸ್ಪದ ಚಿತ್ರವು ವಿರಳವಾಗಿ ಶುದ್ಧವಾಗಿರುವುದರಿಂದ ಅದು ಮುಖ್ಯವಾಗಿದೆ.
- ಮೆಟಾಡೇಟಾ ಪರಿಶೀಲನಾಪಟ್ಟಿಗಳು: ಗ್ರಂಥಾಲಯಗಳು ಮತ್ತು ಸಂಶೋಧನಾ ಕೇಂದ್ರಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಪತ್ತೆ ಸಾಧನಗಳ ನವೀಕರಿಸಿದ ಡೈರೆಕ್ಟರಿಗಳನ್ನು ಇರಿಸುತ್ತವೆ. ಸೂಕ್ತವಾಗಿದೆ, ನಿಮಗೆ ತ್ವರಿತ ವಿವೇಕ ಪರೀಕ್ಷೆಗಾಗಿ ಒಂದೆರಡು ಅಗತ್ಯವಿದ್ದರೂ ಸಹ.
ಪರ ಚಲನೆಗಳು: ನಿಮಗೆ ಒಂದು ಊಹೆಗಿಂತ ಹೆಚ್ಚು ಅಗತ್ಯವಿದ್ದಾಗ
- ತಿಳಿದಿರುವ ಚಿತ್ರಗಳೊಂದಿಗೆ ಮಾಪನಾಂಕ ನಿರ್ಣಯಿಸಿ. ಅದೇ ಸಾಧನ ಮತ್ತು ಬೆಳಕಿನ ಸನ್ನಿವೇಶದಿಂದ ಕೆಲವು ನೈಜ ಫೋಟೋಗಳನ್ನು ಪಡೆದುಕೊಳ್ಳಿ. ಕಂಪ್ರೆಷನ್ ಆರ್ಟಿಫ್ಯಾಕ್ಟ್ಗಳು ಮತ್ತು ಶಬ್ದದ ವರ್ತನೆಯನ್ನು ಅಕ್ಕಪಕ್ಕದಲ್ಲಿ ಹೋಲಿಕೆ ಮಾಡಿ.
- ಡಬಲ್-ಕಂಪ್ರೆಷನ್ ಅನ್ನು ತನಿಖೆ ಮಾಡಿ: DCT ಗುಣಾಂಕದ ಆವರ್ತಕತೆಯನ್ನು ವಿಶ್ಲೇಷಿಸುವ ಡಿಟೆಕ್ಟರ್ಗಳನ್ನು ಬಳಸಿ. ನೈಜ-ಪ್ರಪಂಚದ ಮರು-ಸಂಕೋಚನವು ಉದ್ದೇಶಪೂರ್ವಕ ಸಂಪಾದನೆ ಸರಣಿಗಿಂತ ವಿಭಿನ್ನವಾದ ಸಹಿಯನ್ನು ಬಿಟ್ಟುಹೋಗುತ್ತದೆ.
- PRNU ಅನ್ನು ಪರಿಗಣಿಸಿ: ನೀವು ಒಂದು ಕ್ಯಾಮೆರಾದಿಂದ ಬಹು ಮೂಲಗಳನ್ನು ಹೊಂದಿದ್ದರೆ, ಅನುಮಾನಾಸ್ಪದ ಚಿತ್ರವು "ಸೇರಿದೆ" ಎಂಬುದನ್ನು ಪರೀಕ್ಷಿಸಿ. ಕಂಪ್ರೆಷನ್ ಸೂಕ್ಷ್ಮತೆಯನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ, ಆದರೆ ಯಾವಾಗಲೂ ಮಾರಣಾಂತಿಕವಾಗಿ ಅಲ್ಲ.
- ಜನರೇಟರ್ ಫಿಂಗರ್ಪ್ರಿಂಟ್ಗಳನ್ನು ಅನ್ವೇಷಿಸಿ: ಕೆಲವು ವಿಧಾನಗಳು ಚಿತ್ರಗಳನ್ನು ಕೆಲವು ಮಾದರಿ ಕುಟುಂಬಗಳಿಗೆ ಕಾರಣವೆಂದು ಹೇಳಬಹುದು. ಮತ್ತೆ, ಕಂಪ್ರೆಷನ್ ನೋವುಂಟುಮಾಡುತ್ತದೆ—ಆದರೂ ದೃಢವಾದ ತಂತ್ರಗಳು ಸುಧಾರಿಸುತ್ತಲೇ ಇರುತ್ತವೆ ಮತ್ತು ಕೆಲವೊಮ್ಮೆ JPEG ಅಡಿಯಲ್ಲಿಯೂ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ.
Sider.AI: ನಿಮಗೆ ಸ್ಮಾರ್ಟ್ ಎರಡನೇ ಅಭಿಪ್ರಾಯ ಬೇಕಾದಾಗ ಮಧ್ಯರಾತ್ರಿಯಲ್ಲಿ ನೀವು ಪತ್ತೇದಾರಿಯ ಆಟ ಆಡುವುದರಿಂದ ಆಧುನಿಕ ಸಹಾಯಕನು ಇಲ್ಲಿ ನಿಮ್ಮನ್ನು ಉಳಿಸಬಹುದು. ನೀವು ನಿಯಮಿತವಾಗಿ ಚಿತ್ರಗಳನ್ನು ವಿಂಗಡಿಸಿದರೆ—ಪತ್ರಕರ್ತರು, ಶಿಕ್ಷಣತಜ್ಞರು, ಸಮುದಾಯ ವ್ಯವಸ್ಥಾಪಕರು—ತ್ವರಿತ ತಪಾಸಣೆಗಳನ್ನು ನಡೆಸಲು, ಸುಳಿವುಗಳನ್ನು ಸಾರಾಂಶಗೊಳಿಸಲು ಮತ್ತು ಆಳವಾದ ವಿಶ್ಲೇಷಣೆಗಾಗಿ ಸರಿಯಾದ ಸಾಧನದಲ್ಲಿ ನಿಮ್ಮನ್ನು ತೋರಿಸಲು ಸಾಧ್ಯವಾಗುವ AI ಸಹಾಯಕ ಸಮಯ ಉಳಿತಾಯಕಾರಿಯಾಗಿದೆ. ಉದಾಹರಣೆಗೆ, Sider.AI, ಔಟ್ಪುಟ್ಗಳನ್ನು ಹೋಲಿಸಲು, ಸಂಶೋಧನೆಗಳನ್ನು ಸಂಘಟಿಸಲು ಮತ್ತು ಸಹೋದ್ಯೋಗಿಗಳೊಂದಿಗೆ ನೀವು ಹಂಚಿಕೊಳ್ಳಬಹುದಾದ ಒಂದು ಸಣ್ಣ ಸಮಗ್ರತೆಯ ವರದಿಯನ್ನು ಸಹ ರಚಿಸಲು ನಿಮಗೆ ಸಹಾಯ ಮಾಡುತ್ತದೆ. ಇದು ವಿಧಿವಿಜ್ಞಾನ ಪ್ರಯೋಗಾಲಯವನ್ನು ಬದಲಿಸುವುದಿಲ್ಲ (ಮತ್ತು ಅದು ಮಾಡಬಾರದು), ಆದರೆ ಮೊದಲ ಹಂತವನ್ನು ಮಾಡುವುದು ತುಂಬಾ ಸುಲಭವಾಗಿಸುತ್ತದೆ: ಮೆಟಾಡೇಟಾವನ್ನು ಪಡೆದುಕೊಳ್ಳಿ, ಕಂಪ್ರೆಷನ್ ವಿಚಿತ್ರತೆಗಳನ್ನು ಗಮನಿಸಿ ಮತ್ತು ಹತ್ತಿರದಿಂದ ಪರಿಶೀಲಿಸಲು ಪ್ರದೇಶಗಳನ್ನು ಗುರುತಿಸಿ. ಇದು ವಿಚಿತ್ರವಾದ ಪಿಕ್ಸೆಲ್ ಹೆಜ್ಜೆಗುರುತುಗಳನ್ನು ಎಲ್ಲಿ ನೋಡಬೇಕೆಂದು ತಿಳಿದಿರುವ ಸ್ನೇಹಪರ ಪ್ಯಾರಾಲಿಗಲ್ ಹೊಂದಿರುವಂತಿದೆ. ಕೆಂಪು ಧ್ವಜಗಳು ವಿರುದ್ಧ ಸಮಂಜಸವಾದ ಅನುಮಾನ: ಒಂದು ಪ್ರಾಯೋಗಿಕ ರೂಬ್ರಿಕ್
ನೀವೇ ಮೂರು-ಬಕೆಟ್ ವ್ಯವಸ್ಥೆಯನ್ನು ನೀಡಿ:
- ಹಸಿರು: ಕಥೆಯು ಮೆಟಾಡೇಟಾಗೆ ಹೊಂದಿಕೆಯಾಗುತ್ತದೆ; ಕಂಪ್ರೆಷನ್ ಆರ್ಟಿಫ್ಯಾಕ್ಟ್ಗಳು ಸ್ಥಿರವಾಗಿವೆ; ELA ಏಕರೂಪದ ನಡವಳಿಕೆಯನ್ನು ತೋರಿಸುತ್ತದೆ; ವಿನ್ಯಾಸಗಳು ನಿರೀಕ್ಷೆಯಂತೆ ಕ್ಷೀಣಿಸುತ್ತವೆ. ಬಹುಶಃ ಅಧಿಕೃತ (ಅಥವಾ ಕನಿಷ್ಠ ಸಂಪಾದಿಸದ).
- ಹಳದಿ: ಕೆಲವು ಹೊಂದಾಣಿಕೆಯಾಗದಿರುವಿಕೆ—ಒಂದು ಪ್ರದೇಶದಲ್ಲಿ ವಿಚಿತ್ರವಾದ ಬ್ಲಾಕ್ ಅಂಚುಗಳು, ಡಬಲ್-ಕಂಪ್ರೆಷನ್ ಸುಳಿವುಗಳು, ಮೆಟಾಡೇಟಾ ಅಂತರಗಳು. ಶಿಕ್ಷೆಯಲ್ಲ—ಮೂಲವನ್ನು ಕೇಳಲು ಒಂದು ಸಣ್ಣ ಸೂಚನೆ.
- ಕೆಂಪು: ಸ್ಪಷ್ಟವಾದ ಅಸ್ಥಿರತೆಗಳು—ಪ್ರದೇಶಗಳಾದ್ಯಂತ ವಿಭಿನ್ನ ಕಂಪ್ರೆಷನ್ ಆಡಳಿತಗಳು, ಪಠ್ಯ ಅಥವಾ ಕೂದಲು ಚಿತ್ರಿಸಿದಂತೆ ವರ್ತಿಸುವುದು, ಭೌತಶಾಸ್ತ್ರವನ್ನು ವಿಫಲಗೊಳಿಸುವ ಬೆಳಕು ಅಥವಾ ನೆರಳುಗಳು. ಕಾಣೆಯಾದ ಮೆಟಾಡೇಟಾ ಅಥವಾ ತಪ್ಪಿಸಿಕೊಳ್ಳುವ ಮೂಲದೊಂದಿಗೆ ಸಂಯೋಜಿಸಿ, ಮತ್ತು ನೀವು ಹಿಂದೆ ಸರಿಯಲು ಸಾಕಷ್ಟು ಪುರಾವೆಗಳನ್ನು ಹೊಂದಿದ್ದೀರಿ.
ಇದು ಏಕೆ ಕಷ್ಟಕರವಾಗುತ್ತಿದೆ
ಜನರೇಟಿವ್ ಮಾದರಿಗಳು ನಿಮ್ಮ ಹೆಬ್ಬೆರಳುಗಳು ಜೂಮ್ ಮಾಡಲು ಸಾಧ್ಯವಾಗುವುದಕ್ಕಿಂತ ವೇಗವಾಗಿ ಸುಧಾರಿಸುತ್ತಿವೆ. ಅವು ಸಂವೇದಕಗಳನ್ನು ಅನುಕರಿಸಲು ಸಿಂಥೆಟಿಕ್ ಶಬ್ದವನ್ನು ಸೇರಿಸುತ್ತವೆ, ಹೆಚ್ಚು ಮನವರಿಕೆಯಾಗುವ ರೀತಿಯಲ್ಲಿ ವಿನ್ಯಾಸಗಳನ್ನು ನೀಡುತ್ತವೆ ಮತ್ತು ಸಾಮಾನ್ಯವಾಗಿ "ಸುರಕ್ಷಿತ" ಕಂಪ್ರೆಷನ್-ದೃಢವಾದ ಶೈಲಿಗಳಿಗೆ ಡೀಫಾಲ್ಟ್ ಆಗುತ್ತವೆ. ಏತನ್ಮಧ್ಯೆ, ಪ್ಲಾಟ್ಫಾರ್ಮ್ಗಳು ನಾವು ಅವಲಂಬಿಸಿರುವ ಸುಳಿವುಗಳನ್ನು ಸವರಿಕೆ ಮಾಡುವ ರೀತಿಯಲ್ಲಿ ಚಿತ್ರಗಳನ್ನು ಮರು-ಸಂಕೋಚಿಸುತ್ತಲೇ ಇರುತ್ತವೆ. ಗುರಿ ಪೋಸ್ಟ್ಗಳು ಚಲಿಸುತ್ತವೆ—ಆದರೆ ಪರಿಕರಗಳು ಮತ್ತು ತಂತ್ರಗಳು ಸಹ ಚಲಿಸುತ್ತವೆ. ಕ್ಷೇತ್ರದ ಸಮೀಕ್ಷೆಗಳು ಕಂಪ್ರೆಷನ್ ಮತ್ತು ಇತರ ನೈಜ-ಪ್ರಪಂಚದ ಕೊಳಕುಗಳ ಅಡಿಯಲ್ಲಿ ದೃಢವಾಗಿರುವ ವಿಧಾನಗಳಲ್ಲಿ ಪ್ರೋತ್ಸಾಹದಾಯಕ ಪ್ರಗತಿಯನ್ನು ತೋರಿಸುತ್ತವೆ; ಗುಣಲಕ್ಷಣದ ವಿಧಾನಗಳು ಸಹ JPEG ನ ಮಾಂಸ ಬೀಸುವ ಯಂತ್ರವನ್ನು ಉಳಿಸಿಕೊಳ್ಳಲು ಕಲಿಯುತ್ತಿವೆ, ಕನಿಷ್ಠ ಕೆಲವು ಸಮಯದವರೆಗೆ.
ನಿವಾರಣೆ ಸೈಡ್ಬಾರ್ಗಳು: ಸಾಮಾನ್ಯ ಸಮಸ್ಯೆಗಳು
- "ELA ಮುಖವು ಪ್ರಕಾಶಮಾನವಾಗಿದೆ ಎಂದು ಹೇಳುತ್ತದೆ—ಆದ್ದರಿಂದ ಅದು ನಕಲಿ, ಸರಿ?" ಅಗತ್ಯವಿಲ್ಲ. ಹೆಚ್ಚಿನ-ವಿವರವಾದ ಪ್ರದೇಶಗಳು ಮತ್ತು ಹೆಚ್ಚಿನ-ವಿರೋಧದ ಅಂಚುಗಳು ನೈಸರ್ಗಿಕವಾಗಿ ELA ನಲ್ಲಿ ಕಾಣಿಸಿಕೊಳ್ಳುತ್ತವೆ. ನಿಮಗೆ ದೃಢೀಕರಣದ ಸುಳಿವುಗಳು ಬೇಕಾಗುತ್ತವೆ.
- "ಮೆಟಾಡೇಟಾ ಕಾಣೆಯಾಗಿದೆ—ಪ್ರಕರಣ ಮುಕ್ತಾಯವಾಯಿತೇ?" ಇಲ್ಲ. ಸ್ಥಳಾವಕಾಶ ಅಥವಾ ಗೌಪ್ಯತೆಯನ್ನು ಉಳಿಸಲು ಅನೇಕ ಅಪ್ಲಿಕೇಶನ್ಗಳು EXIF ಅನ್ನು ತೆಗೆದುಹಾಕುತ್ತವೆ. ಕಾಣೆಯಾದ ಮೆಟಾಡೇಟಾ ಪ್ರಶ್ನೆಗಳನ್ನು ಕೇಳಲು ಒಂದು ಕಾರಣ, ತೀರ್ಪಲ್ಲ.
- "ನಾನು ಡಬಲ್ ಕಂಪ್ರೆಷನ್ ಅನ್ನು ಕಂಡುಕೊಂಡಿದ್ದೇನೆ!" ಸಾಮಾಜಿಕ ಪ್ಲಾಟ್ಫಾರ್ಮ್ಗಳು ಅದನ್ನು ಎಲ್ಲಾ ಸಮಯದಲ್ಲೂ ಮಾಡುತ್ತವೆ. ಡಬಲ್ ಕಂಪ್ರೆಷನ್ ಜೊತೆಗೆ ಸ್ಥಿರವಲ್ಲದ ವಿನ್ಯಾಸಗಳು ಅಥವಾ ಬ್ಲಾಕ್ ಗಡಿಗಳು ಯಾವುದಕ್ಕಿಂತಲೂ ಹೆಚ್ಚು ಅರ್ಥಪೂರ್ಣವಾಗಿದೆ.
- "PRNU ಹೊಂದಿಕೆಯಾಗಲಿಲ್ಲ—ಆದ್ದರಿಂದ ಅದು AI?" ನೀವು ಸರಿಯಾದ ಸಾಧನಕ್ಕೆ ಹೋಲಿಸಿದರೆ ಮತ್ತು ನೀವು ಶುದ್ಧವಾದ ಮೂಲಗಳನ್ನು ಹೊಂದಿದ್ದರೆ ಮಾತ್ರ. ಕಂಪ್ರೆಷನ್ ಮತ್ತು ಗಾತ್ರ ಬದಲಾಯಿಸುವುದು PRNU ವಿಶ್ವಾಸವನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ.
ಒಂದು ನೈಜ-ಪ್ರಪಂಚದ ಡೆಮೊ: ತೋಳನ್ನು ಕೂಗಿದ ರಜೆಯ ಫೋಟೋ
ನೀವು ಒಂದು ಸಮುದಾಯ ವೇದಿಕೆಯನ್ನು ನಿರ್ವಹಿಸುತ್ತಿದ್ದೀರಿ ಎಂದು ಕಲ್ಪಿಸಿಕೊಳ್ಳಿ. ಯಾರೋ ಒಬ್ಬರು ಒಂದು ನಾಟಕೀಯ ಫೋಟೋವನ್ನು ಪೋಸ್ಟ್ ಮಾಡುತ್ತಾರೆ: ಒಂದು ದೊಡ್ಡದಾದ, ಹೊಳೆಯುವ ಅಲೆಯು "HOPE" ಎಂಬ ಪದವನ್ನು ಉಚ್ಚರಿಸುವ ಮೂಲಕ ಫ್ರೇಮ್ ಮಾಡಲಾದ ಸರ್ಫರ್. ಕಾಮೆಂಟರ್ಗಳು ಗುಂಪಾಗಿ ಬರುತ್ತಾರೆ: "ನಕಲಿ!" "ಇಲ್ಲ, ಕಲೆ!" "ಖಂಡಿತವಾಗಿಯೂ AI!"
ನೀವು:
- ಚಿತ್ರವನ್ನು ಎಳೆಯಿರಿ. ಫೈಲ್ 1200×800 JPEG ಆಗಿದೆ, ಕಡಿಮೆ ಗಾತ್ರ—ಖಂಡಿತವಾಗಿಯೂ ಮರು-ಸಂಕೋಚಿಸಲಾಗಿದೆ.
- ELA ಅನ್ನು ಪರಿಶೀಲಿಸಿ. ನೀರಿನ ಅಂಚು ಬೆಳಗುತ್ತದೆ, ಆದರೆ ವೆಟ್ಸೂಟ್ ಸೀಮ್ಗಳು ಸಹ—ಹೆಚ್ಚಿನ-ವಿರೋಧದ ಅಂಚುಗಳಿಗೆ ಸಾಮಾನ್ಯ.
- 200% ಗೆ ಜೂಮ್ ಮಾಡಿ. ಕೂದಲು ಮತ್ತು ಸ್ಪ್ರೇ ಸ್ವಲ್ಪ ಸವರಿಕೆಯಿಂದ ಕೂಡಿದಂತೆ ಕಾಣುತ್ತವೆ—ಕಂಪ್ರೆಷನ್ ಆಗಿರಬಹುದು.
- "HOPE" ಪಠ್ಯವು ಸಂಪೂರ್ಣವಾಗಿ ತರಂಗದೊಂದಿಗೆ ಬಾಗುತ್ತದೆ. ಅಕ್ಷರ ಅಂಚುಗಳಲ್ಲಿ, ನೀವು ಏಕರೂಪದ ರಿಂಗಿಂಗ್ ಅನ್ನು ನೋಡುತ್ತೀರಿ, ಅದು ನೀರಿನ ಧಾನ್ಯಕ್ಕೆ ಹೊಂದಿಕೆಯಾಗುವುದಿಲ್ಲ. ಅನುಮಾನಾಸ್ಪದ.
- ಮೂಲವನ್ನು ಕೇಳಿ. ಪೋಸ್ಟರ್ 4032×3024 ಫೈಲ್ ಅನ್ನು ಒದಗಿಸುತ್ತದೆ. ಮೆಟಾಡೇಟಾ ಐಫೋನ್, ಇತ್ತೀಚಿನ ದಿನಾಂಕ, ಬೀಚ್ನಲ್ಲಿ GPS ಎಂದು ಹೇಳುತ್ತದೆ.
- ಮರು-ಪರಿಶೀಲನೆಗಳನ್ನು ಚಲಾಯಿಸಿ. ಈಗ ನೀರಿನ ಮೈಕ್ರೋಟೆಕ್ಚರ್ ನಿಜವಾಗಿ ಕಾಣುತ್ತದೆ; ಅಕ್ಷರ ಅಂಚುಗಳು ಇನ್ನೂ ಎದ್ದು ಕಾಣುತ್ತವೆ. ನೀವು ELA ಅನ್ನು ಓವರ್ಲೇ ಮಾಡುತ್ತೀರಿ—ಅಕ್ಷರಗಳು ಸುತ್ತಮುತ್ತಲಿನ ಸ್ಪ್ಲಾಷ್ಗಿಂತ ಪ್ರಕಾಶಮಾನವಾಗಿ ಪಾಪ್ ಆಗುತ್ತವೆ.
ತೀರ್ಪು: ಸಂಪಾದಿಸಿದ ಪಠ್ಯವು ನೈಜ ಫೋಟೋಗೆ ಸೇರಿಸಲ್ಪಟ್ಟಿದೆ. AI-ಉತ್ಪಾದಿತವಲ್ಲ, ಆದರೆ "ಸ್ಪರ್ಶಿಸದ" ಅಲ್ಲ. ಸಮಗ್ರತೆಯ ವಿಶ್ಲೇಷಣೆಯು ಎರಡೂ ರೀತಿಯಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ—ಇದು ನೈಜ ಫೋಟೋವನ್ನು ತಪ್ಪು ಆರೋಪಗಳಿಂದ ಉಳಿಸಬಹುದು ಅಥವಾ ಸಂಯೋಜಕರ ಸೂಕ್ಷ್ಮ ಕೈಯನ್ನು ಬಹಿರಂಗಪಡಿಸಬಹುದು.
ಒಂದು ಕೊನೆಯ ವಿಷಯ: ಕುತೂಹಲವನ್ನು ಇಟ್ಟುಕೊಳ್ಳಿ, ಖಚಿತತೆಯನ್ನು ಕಳೆದುಕೊಳ್ಳಿ
ಕಂಪ್ರೆಷನ್ ಆರ್ಟಿಫ್ಯಾಕ್ಟ್ಗಳು ಮರಳಿನಲ್ಲಿನ ಹೆಜ್ಜೆಗುರುತುಗಳಂತಿವೆ: ಸಹಾಯಕ, ಆದರೆ ಉಬ್ಬರವಿಳಿತಕ್ಕೆ ಸೂಕ್ಷ್ಮವಾಗಿರುತ್ತವೆ. ನೀವು ಅವುಗಳನ್ನು ಸನ್ನಿವೇಶದಲ್ಲಿ ಬಳಸಿದಾಗ ಅವು ಪ್ರಬಲವಾದ ಸುಳಿವುಗಳಾಗಿವೆ—ಮೆಟಾಡೇಟಾ, ಸ್ಥಿರತೆ ಪರಿಶೀಲನೆಗಳು ಮತ್ತು ಸಾಮಾನ್ಯ ಜ್ಞಾನದೊಂದಿಗೆ. AI ನಕಲಿ ಮಾಡುವಲ್ಲಿ ಉತ್ತಮವಾಗುತ್ತಲೇ ಇರುತ್ತದೆ ಮತ್ತು ಪ್ಲಾಟ್ಫಾರ್ಮ್ಗಳು ಸುಳಿವುಗಳನ್ನು ಮರು-ಸಂಕೋಚನದೊಂದಿಗೆ ಸವರಿಕೆ ಮಾಡುತ್ತಲೇ ಇರುತ್ತವೆ. ಆದರೆ ಒಂದು ಸ್ಮಾರ್ಟ್ ವರ್ಕ್ಫ್ಲೋ, ಸರಿಯಾದ ಪರಿಕರಗಳು ಮತ್ತು ಆರೋಗ್ಯಕರ ಪ್ರಮಾಣದ ಸಂಶಯವಾದದೊಂದಿಗೆ, ನೀವು ನಂಬಲರ್ಹವಾದುದನ್ನು ಮೋಸಗೊಳಿಸುವುದರಿಂದ ಬೇರ್ಪಡಿಸಬಹುದು.
ಮತ್ತು ನಿಮ್ಮ ಸ್ನೇಹಿತ ನಿಮಗೆ ಇನ್ನೊಂದು ಅದ್ಭುತ ಚಂದ್ರನ ಶಾಟ್ ಅನ್ನು ಕಳುಹಿಸಿದರೆ? ಜೂಮ್ ಇನ್ ಮಾಡಿ, ಒಂದು ಉಸಿರು ತೆಗೆದುಕೊಳ್ಳಿ ಮತ್ತು ಪಿಕ್ಸೆಲ್ಗಳು ತಮ್ಮ ಕಥೆಯನ್ನು ಹೇಳಲಿ.
ಹೆಚ್ಚುವರಿ ಓದು ಮತ್ತು ರೌಂಡಪ್ಗಳು
- ಉತ್ತಮ ಫೋಟೋ ಫೋರೆನ್ಸಿಕ್ಸ್ ಪರಿಕರಗಳು ಮತ್ತು ಪ್ರತಿಯೊಂದೂ ನಿಜವಾಗಿ ಯಾವುದಕ್ಕೆ ಒಳ್ಳೆಯದು.
- ನೈಜ-ಪ್ರಪಂಚದ ಕಂಪ್ರೆಷನ್ ಮತ್ತು ಶಬ್ದದ ಅಡಿಯಲ್ಲಿ ಡೀಪ್ಫೇಕ್ ಡಿಟೆಕ್ಷನ್ ಹೇಗೆ ಉಳಿದುಕೊಳ್ಳುತ್ತದೆ.
- ಶೈಕ್ಷಣಿಕ ಗ್ರಂಥಾಲಯಗಳಿಂದ AI ಪತ್ತೆ ಸಾಧನಗಳ ಡೈರೆಕ್ಟರಿಗಳು.
- ಕಂಪ್ರೆಷನ್ ಅಡಿಯಲ್ಲಿ ದೃಢವಾದ AI ಚಿತ್ರ ಪತ್ತೆ ವಿಧಾನಗಳ ಮೇಲಿನ ಸಮೀಕ್ಷೆಗಳು.
FAQ
Q1: ಕಂಪ್ರೆಷನ್ ಆರ್ಟಿಫ್ಯಾಕ್ಟ್ಗಳು AI ಚಿತ್ರಗಳನ್ನು ಗುರುತಿಸಲು ಹೇಗೆ ಸಹಾಯ ಮಾಡುತ್ತವೆ?
ಕಂಪ್ರೆಷನ್ ಆರ್ಟಿಫ್ಯಾಕ್ಟ್ಗಳು ಒಂದು ಚಿತ್ರದ ಆಧಾರವಾಗಿರುವ ವಿನ್ಯಾಸದೊಂದಿಗೆ ಸಂವಹನ ನಡೆಸುತ್ತವೆ. ಕ್ಯಾಮೆರಾ ಫೋಟೋಗಳು ಸಂವೇದಕ ವಿಚಿತ್ರತೆಗಳು ಮತ್ತು ನೈಸರ್ಗಿಕ ಶಬ್ದವನ್ನು ಹೊಂದಿರುತ್ತವೆ; AI ಚಿತ್ರಗಳು ಸಾಮಾನ್ಯವಾಗಿ ನಯವಾದ ಅಥವಾ ವಿಚಿತ್ರವಾಗಿ ನಿಯಮಿತ ಮಾದರಿಗಳನ್ನು ಹೊಂದಿರುತ್ತವೆ. JPEG ನಂತರ, ಆ ವ್ಯತ್ಯಾಸಗಳು ಬ್ಲಾಕ್ ಗಡಿಗಳು, ಶಬ್ದದ ನಡವಳಿಕೆ ಮತ್ತು ಅಂಚಿನ ಪ್ರಭಾವಲಯಗಳಲ್ಲಿ ಕಾಣಿಸಿಕೊಳ್ಳಬಹುದು—ಅವುಗಳನ್ನು ತೀರ್ಮಾನಗಳಾಗಿ ಅಲ್ಲ, ಸುಳಿವುಗಳಾಗಿ ಬಳಸಿ.
Q2: ಒಂದು ಚಿತ್ರವು ನಕಲಿ ಎಂದು ಸಾಬೀತುಪಡಿಸಲು ದೋಷ ಮಟ್ಟದ ವಿಶ್ಲೇಷಣೆ (ELA) ಸಾಕಾಗುತ್ತದೆಯೇ?
ಇಲ್ಲ. ELA ಕಂಪ್ರೆಷನ್ ವ್ಯತ್ಯಾಸಗಳನ್ನು ಹೈಲೈಟ್ ಮಾಡುತ್ತದೆ, ಇದು ಸಾಮಾನ್ಯ ಅಂಚುಗಳು ಅಥವಾ ಸಂಪಾದನೆಗಳಿಂದ ಬರಬಹುದು. ELA ಅನ್ನು ಒಂದು ಟಾರ್ಚ್ ಲೈಟ್ನಂತೆ ಪರಿಗಣಿಸಿ—ಅನುಮಾನಾಸ್ಪದ ಪ್ರದೇಶಗಳನ್ನು ಹುಡುಕಲು ಉತ್ತಮವಾಗಿದೆ, ಆದರೆ ನಿಮಗೆ ಇನ್ನೂ ಮೆಟಾಡೇಟಾ, ಡಬಲ್-ಕಂಪ್ರೆಷನ್ ಪರಿಶೀಲನೆಗಳು ಮತ್ತು ವಿನ್ಯಾಸದ ಸ್ಥಿರತೆಯಿಂದ ದೃಢೀಕರಣ ಬೇಕಾಗುತ್ತದೆ.
Q3: ಸಾಮಾಜಿಕ ಜಾಲತಾಣಗಳು ವಿಧಿವಿಜ್ಞಾನದ ವಿಶ್ಲೇಷಣೆಯನ್ನು ಹಾಳುಮಾಡುತ್ತವೆಯೇ?
ಅವು ಅದನ್ನು ಕಷ್ಟಕರವಾಗಿಸುತ್ತವೆ. ಪ್ಲಾಟ್ಫಾರ್ಮ್ಗಳು ಗಾತ್ರವನ್ನು ಬದಲಾಯಿಸುತ್ತವೆ, ಮೆಟಾಡೇಟಾವನ್ನು ತೆಗೆದುಹಾಕುತ್ತವೆ ಮತ್ತು ಮರು-ಸಂಕೋಚಿಸುತ್ತವೆ, ಇದು ಸುಳಿವುಗಳನ್ನು ಅಳಿಸಿಹಾಕಬಹುದು ಅಥವಾ ಅನುಕರಿಸಬಹುದು. ನೀವು ಇನ್ನೂ ಉಪಯುಕ್ತ ಸಂಕೇತಗಳನ್ನು ಪಡೆಯಬಹುದು, ಆದರೆ ಸಮಗ್ರತೆ ಮುಖ್ಯವಾದಾಗ ಯಾವಾಗಲೂ ಮೂಲ ಫೈಲ್ ಅನ್ನು ಕೇಳಿ.
Q4: JPEG ಅಡಿಯಲ್ಲಿ AI-ಉತ್ಪಾದಿತ ಚಿತ್ರದ ಅತ್ಯಂತ ವಿಶ್ವಾಸಾರ್ಹ ಚಿಹ್ನೆ ಯಾವುದು?
ಯಾವುದೇ ಒಂದೇ ಬೆಳ್ಳಿ ಗುಂಡು ಇಲ್ಲ. ದುರ್ಬಲ ಮೆಟಾಡೇಟಾ ಅಥವಾ ವಿಚಿತ್ರವಾದ ಬೆಳಕಿನೊಂದಿಗೆ ಸಂಯೋಜಿಸಲ್ಪಟ್ಟ ಸುಳಿವುಗಳ ಮಾದರಿ—ಏಕರೂಪದ ಸಿಂಥೆಟಿಕ್ ಶಬ್ದ, ಅಸ್ಥಿರವಾದ ಬ್ಲಾಕ್ ಆರ್ಟಿಫ್ಯಾಕ್ಟ್ಗಳು, ಕೂದಲು ಅಥವಾ ಎಲೆಗಳಲ್ಲಿ ವಾಸ್ತವಿಕವಲ್ಲದ ವಿನ್ಯಾಸದ ಅವನತಿ—ಯಾವುದೇ ಒಂದು ಪರೀಕ್ಷೆಗಿಂತ ಹೆಚ್ಚು ಹೇಳುತ್ತದೆ.
Q5: ಕ್ಯಾಮೆರಾ-ಮೂಲದ ಚಿತ್ರಗಳನ್ನು ಪರಿಶೀಲಿಸಲು ನಾನು PRNU ಅನ್ನು ಬಳಸಬೇಕೇ?
ನೀವು ಅದೇ ಸಾಧನದಿಂದ ಶುದ್ಧವಾದ ಉಲ್ಲೇಖದ ಫೋಟೋಗಳನ್ನು ಹೊಂದಿದ್ದರೆ, PRNU ಪ್ರಬಲವಾಗಿರುತ್ತದೆ. ಕೇವಲ ನೆನಪಿಡಿ ಕಂಪ್ರೆಷನ್ ಮತ್ತು ಗಾತ್ರ ಬದಲಾಯಿಸುವುದು ಅದರ ವಿಶ್ವಾಸಾರ್ಹತೆಯನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ, ಆದ್ದರಿಂದ ಇದನ್ನು ELA, ಡಬಲ್-ಕಂಪ್ರೆಷನ್ ಪತ್ತೆ ಮತ್ತು ಉತ್ತಮ ಮೂಲ ಅಭ್ಯಾಸಗಳ ಜೊತೆಗೆ ಬಳಸಿ.
