அறிமுகம்: தெளிவற்ற நிலவின் மர்மம்
சமீபத்தில் ஒரு நண்பர் எனக்கு ஒரு நிலவின் புகைப்படத்தை அனுப்பினார்—ஆரஞ்சு நிறத்தில், பிரம்மாண்டமாக, கடலை வற்றச் செய்யும் தோற்றத்தில் இருந்தது. “இதை என் மொபைலில் எடுத்தேன்” என்று எழுதியிருந்தார். நானும் நம்பினேன்… ஆனால் பெரிதாக்கிப் பார்த்தபோதுதான் தெரிந்தது. நிலவின் பள்ளங்கள் விசித்திரமாக மென்மையாக இருந்தன, மேகங்கள் மிகவும் நாகரீகமான தூரிகையால் வரையப்பட்டது போல் இருந்தது, மேலும் அந்தப் படம் மிகவும் சரியான ஹாலிவுட் செட் போல இருந்தது. அதை அவ்வளவு எளிதில் நம்ப முடியவில்லை.
இங்கே ஒரு திருப்பம்: அந்தக் கொடுப்பினை "போலியான" நிலவு அல்ல. மாறாக, வெளியில் தெரியும்படி மறைந்திருக்கும் கம்ப்ரஷன் கழிவுகள்தான். JPEG-ன் கறை, வெளிச்சத்திற்கு பொருந்தாத இரைச்சல், மொபைல் கேமராக்கள் பொதுவாக செய்யும் தவறுகளுடன் பொருந்தாத கட்டம் கட்டமான கலைப்பொருட்கள்.
கம்ப்ரஷன் கலைப்பொருட்கள் AI படங்களை அடையாளம் காண உதவுமா அல்லது ஒரு உளவுத் திரைப்படத்தில் இருப்பது போல் AI கம்ப்ரஷனுக்குப் பின்னால் ஒளிந்து கொள்ள முடியுமா என்று நீங்கள் எப்போதாவது யோசித்திருந்தால், ஒரு நாற்காலியை இழுத்துப் போடுங்கள். கம்ப்ரஷன் என்றால் என்ன, என்னென்ன கலைப்பொருட்களைப் பார்க்க வேண்டும், மேலும் படங்களின் நம்பகத்தன்மையைச் சரிபார்க்க நிஜ உலக கருவிகள் மற்றும் நுட்பங்கள் எவ்வாறு உதவும் என்பதைப் பற்றி பார்ப்போம். ஆமாம்: உங்கள் மூளையை பிக்சல் சூப் ஆக மாற்றாமல் இதைச் செய்வோம்.
நாம் உண்மையில் விரும்புவது: நேர்மை, சூனிய வேட்டை அல்ல
"AI பட கம்ப்ரஷன் கலைப்பொருட்களை ஆய்வு செய்தல்" என்று சொல்லும்போது, ஒவ்வொரு அழகான புகைப்படத்திற்கும் கரும்புள்ளி வைக்க நாங்கள் முயற்சிக்கவில்லை. மாறாக, ஒரு முக்கியமான கேள்விக்கு பதிலளிக்க முயற்சிக்கிறோம்: இந்த படத்தை நாம் எவ்வளவு நம்பலாம்? இது நேரடியாக கேமராவிலிருந்து வந்ததா, அல்லது ஒரு ஜெனரேட்டிவ் மாடல் அதை உருவாக்கியதா? இது எடிட் செய்யப்பட்டதா? மீண்டும் கம்ப்ரஸ் செய்யப்பட்டதா? தடயங்களை மறைக்கும் ஒரு ஃபில்டர் மூலம் இயக்கப்படுகிறதா?
ஒருமைப்பாடு எப்போதும் "உண்மை" என்று அர்த்தமல்ல. அது "சரிபார்க்கக்கூடியது" என்று அர்த்தம். இது பாதுகாப்பின் சங்கிலி, தோற்றம் மற்றும் நாம் பார்க்கும் படம் நமக்கு சொல்லப்படும் கதைக்கு பொருந்துமா என்பதைப் பற்றியது.
கம்ப்ரஷன் 101: உங்கள் புகைப்படங்கள் ஏன் நொறுங்குகின்றன
நீங்கள் ஆன்லைனில் பார்க்கும் பெரும்பாலான படங்கள் கம்ப்ரஸ் செய்யப்பட்டிருக்கும்—பெரும்பாலும் JPEG களாக. கம்ப்ரஷன் என்பது "கோப்பின் அளவைக் குறைக்க சில தரவை நீக்குவது" என்பதற்கான ஒரு ஆடம்பரமான சொல். JPEG இதை 8×8 பிக்சல் தொகுதிகள் மற்றும் ஒரு கணித சுருக்குக் கதிர் மூலம் செய்கிறது. இதன் விளைவாக, நீங்கள் சேமிப்பகத்தையும் அலைவரிசையையும் சேமிக்கிறீர்கள். ஆனால் இதில் கலைப்பொருட்கள் உள்ளன—சிறிய தொகுதி எல்லைகள், கறை படிந்த அமைப்பு, விளிம்புகளைச் சுற்றியுள்ள ஒளிவட்டம் மற்றும் அந்த அடையாளங்காட்டும் "கொசு இரைச்சல்".
இப்போது, இங்கே முக்கியமான விஷயம்: கேமரா புகைப்படங்கள் மற்றும் AI உருவாக்கிய படங்கள் கம்ப்ரஷன் தொடங்குவதற்கு முன்பே வெவ்வேறு "டெக்ஸ்சர் கையொப்பங்களை" கொண்டுள்ளன. கேமரா படங்களுக்கு சென்சார் அடிப்படையிலான தனித்துவங்கள் உள்ளன—PRNU போன்றவை, கேமராவின் DNAவைப் போலவே புகைப்பட-பதில் சீரற்ற தன்மையும் தனிப்பட்டது. மறுபுறம், AI படங்கள் ஒரு ஜெனரேட்டரின் கற்றல் முறைகளிலிருந்து வெளிப்படுகின்றன—நரம்பியல் டெக்ஸ்சர்கள் புள்ளிவிவரப்படி மிகவும் மென்மையாகவோ அல்லது விசித்திரமாகவோ இருக்கும். அவற்றை கம்ப்ரஸ் செய்தால், கலைப்பொருட்கள் பெரும்பாலும் அந்த அடிப்படை முறைகளுடன் லேசாக வேறுபடும் வழிகளில் தொடர்பு கொள்கின்றன.
கலைப்பொருட்கள் கதைகளைச் சொல்லும் இடம்
- இரட்டை கம்ப்ரஷன் தடுமாற்றங்கள்: ஒரு படம் JPEG ஆக இரண்டு முறை சேமிக்கப்பட்டிருந்தால் (எடிட் செய்யப்பட்டு மீண்டும் சேமிக்கப்பட்டது என்று வைத்துக்கொள்வோம்), DCT குணகங்களின் ஹிஸ்டோகிராம் ஒரு நிலையற்ற தாளத்தை உருவாக்கும். கருவிகள் அந்த வடிவங்களை கண்டறிந்து எடிட் செய்யப்பட்டிருக்கலாம் என கொடியிடும்.
- தொகுதி எல்லை வினோதம்: JPEG தொகுதிகளாக வேலை செய்கிறது. ஒரு படத்தின் பகுதிகள் நிலையான தொகுதிகளைக் காட்டவில்லை என்றால்—அவை காட்ட வேண்டும்—ஏதோ ஒன்று ஒட்டப்பட்டது அல்லது சீரற்ற முறையில் மீண்டும் கம்ப்ரஸ் செய்யப்பட்டது என்பதற்கான அறிகுறியாகும்.
- இரைச்சல் பொருந்தாமை: உண்மையான கேமராக்கள் ஒருவிதமான ரேண்டம், ஒளி சார்ந்த இரைச்சலை அறிமுகப்படுத்துகின்றன. AI சில நேரங்களில் மிகவும் சீரான அல்லது நிழல்கள் மற்றும் சிறப்பம்சங்களிலிருந்து பிரிக்கப்பட்ட இரைச்சலை உருவாக்குகிறது, அங்கு உண்மையான இரைச்சல் இருக்க விரும்புகிறது. கம்ப்ரஷனுக்குப் பிறகு, அந்த இரைச்சல் வடிவங்கள் மிக நேர்த்தியாக மறைந்துவிடும் அல்லது நகலெடுக்கப்பட்டு ஒட்டப்பட்டது போல் தோன்றும்.
- டெக்ஸ்சர் “மிகவும் மென்மையான” மண்டலங்கள்: தோல், மேகங்கள், முடி மற்றும் இலைகள் கம்ப்ரஷனுக்கு ஏற்றவை. கேமரா காட்சிகளில், இந்த டெக்ஸ்சர்கள் பழக்கமான வழிகளில் உடைகின்றன. AI படங்களில், அவை மிகவும் நன்றாக இருக்கும் அல்லது நம்பமுடியாத பிளாஸ்டிக்காக மாறும்.
- விளிம்பு ஒளிவட்டங்கள் மற்றும் ரிங்கிங்: கூர்மையான விளிம்புகளில் இயற்கையான ரிங்கிங் ஏற்படுகிறது, ஆனால் ஒளிவட்டங்களின் வலிமை மற்றும் பரவல் காட்சியின் மற்ற பகுதிகளுடன் பொருந்தவில்லை என்றால் அல்லது விளிம்புகள் இருக்கக்கூடாத இடத்தில் தோன்றினால்—அதை உன்னிப்பாகக் கவனிப்பது மதிப்பு.
வழிமுறை: ஒரு நிபுணர் ஒரு சந்தேகத்திற்கிடமான JPEG-ஐ எவ்வாறு ஆய்வு செய்யலாம்
- கதையுடன் தொடங்கவும். அது எங்கிருந்து வந்தது? ஏர்டிராப், கேமரா ரோல், சோசியல் மீடியா? பதிவேற்றப்பட்டு, பதிவிறக்கம் செய்யப்பட்டு, மீண்டும் பதிவேற்றப்பட்டு, மீம் ஆகி இறக்கும் ஒரு கோப்பு ஒரு குழப்பமான கம்ப்ரஷன் வரலாற்றைக் கொண்டிருக்கும். அந்த குழப்பம் தடயங்களை அழிக்கலாம் அல்லது போலியாக உருவாக்கலாம்—எனவே உங்கள் நம்பிக்கை அதற்கேற்ப குறைய வேண்டும்.
- மெட்டாடேட்டாவைச் சரிபார்க்கவும், ஆனால் மெதுவாக. EXIF தரவு கேமரா மாடல், லென்ஸ், நேரம், GPS ஆகியவற்றைக் கூட உங்களுக்குச் சொல்லும். ஆனால் அதை அழிப்பது அல்லது போலியாக உருவாக்குவது மிகவும் எளிதானது. மெட்டாடேட்டா இல்லை என்றால் அது போலி என்று அர்த்தமல்ல—ஆனால் யாராவது "iPhone 15 Pro Max, கடந்த செவ்வாய்" என்று கூறினால், EXIF "தெரியவில்லை, 1980" என்று சொன்னால், நீங்கள் புருவத்தை உயர்த்த வேண்டும்.
- பிழை நிலை பகுப்பாய்வு (ELA). ELA கம்ப்ரஷன் வேறுபாடுகளை பெரிதாக்குகிறது. ஒரு இயற்கையான புகைப்படத்தில், ELA விளிம்புகள் மற்றும் சிக்கலான டெக்ஸ்சர்களைச் சுற்றி ஒளிரும். ஒரு நபரின் முகம் நியான் விளக்கு போல் பிரகாசமாக இருந்தால், மற்ற பகுதிகள் அவ்வாறு இல்லையென்றால், அது குறிப்பிட்ட பகுதிகளை வெட்டி ஒட்டப்பட்டிருக்கலாம் அல்லது எடிட் செய்யப்பட்டிருக்கலாம் என்பதைக் குறிக்கிறது.
- இரட்டை கம்ப்ரஷன் வடிவங்களைத் தேடுங்கள். சிறப்பு கருவிகள் DCT குணக ஹிஸ்டோகிராம்களை பகுப்பாய்வு செய்து பல சேமிப்புகளின் அறிகுறிகளைக் கண்டறியும். எச்சரிக்கை: சோசியல் தளங்கள் பெரும்பாலும் படங்களை மீண்டும் கம்ப்ரஸ் செய்கின்றன, எனவே இரட்டை கம்ப்ரஷன் மட்டும் உறுதியான ஆதாரம் அல்ல—இது ஒரு துப்பு.
- PRNU மற்றும் ஜெனரேட்டர் கைரேகைகள். உங்களிடம் ஒரு கேமராவிலிருந்து எடுக்கப்பட்ட மாதிரி படங்கள் இருந்தால், அதன் சென்சார் கைரேகையை (PRNU) பொருத்த முயற்சிக்கலாம். சில டிடெக்டர்கள் குறிப்பிட்ட ஜெனரேட்டர்களால் விட்டுச்செல்லப்பட்ட GAN கைரேகைகளைக் கண்டறிய முயற்சிக்கின்றன—புள்ளிவிவர வினோதங்கள். அதிக கம்ப்ரஷன் இங்கே உணர்திறனைக் குறைக்கிறது, ஆனால் சில நேரங்களில் போதுமானவை தப்பிப்பிழைக்கின்றன.
- அளவை மாற்றி மீண்டும் கம்ப்ரஸ் செய்யவும். புலனாய்வாளர்கள் சில நேரங்களில் படத்தை மாற்றுகிறார்கள்—அளவை சிறிது மாற்றி, தெரிந்த தரத்தில் மீண்டும் கம்ப்ரஸ் செய்து—கலைப்பொருட்கள் எவ்வாறு மாறுகின்றன என்பதைப் பார்க்கிறார்கள். உண்மையான புகைப்படங்கள் மற்றும் AI படங்கள் வித்தியாசமாக பதிலளிக்கலாம், குறிப்பாக முடி அல்லது புல் போன்ற டெக்ஸ்சர் நிறைந்த பகுதிகளில்.
- கட்டுப்பாட்டுடன் பெரிதாக்கவும். ஒவ்வொரு புள்ளியையும் அதிகமாகப் புரிந்துகொள்ள வேண்டாம். அதற்கு பதிலாக, வெவ்வேறு பகுதிகளை ஒப்பிடுக: வானம் மற்றும் தோல், உரை மேலடுக்குகள் மற்றும் பின்னணி, பிரதிபலிக்கும் மேற்பரப்புகள் மற்றும் மேட் மேற்பரப்புகள். நீங்கள் நிலைத்தன்மையைத் தேடுகிறீர்கள்.
AI எதை மறைப்பதில் சிறந்து விளங்குகிறது
- உரை மற்றும் மைக்ரோடெக்ஸ்சர்கள்: ஆரம்பகால AI எழுத்துக்கள் மற்றும் மீண்டும் மீண்டும் வரும் வடிவங்களுடன் போராடியது; கம்ப்ரஷன் குறைபாடுகளை வெளிப்படையாகக் காட்டியது. புதிய மாடல்கள் சுத்தமான மைக்ரோடெக்ஸ்சர்களை வழங்குகின்றன, மற்றும் ஒளி கம்ப்ரஷன் அவற்றை காட்டிக் கொடுக்காது.
- ஒளிரும் ஒற்றுமை: ஜெனரேட்டர்கள் இப்போது நிழல்கள் மற்றும் பிரதிபலிப்புகளைப் பொருத்துவதில் நம்பத்தகுந்த வேலையைச் செய்கின்றன. ஒரு காலத்தில் முரண்பாடுகளை எடுத்துக்காட்டிய கம்ப்ரஷன் ஒளிவட்டம் உங்களை எப்போதும் காப்பாற்ற முடியாது.
- செயற்கை இரைச்சல்: மாடல்கள் பெருகிய முறையில் "கலக்க" கேமரா போன்ற இரைச்சலைச் சேர்க்கின்றன. JPEG க்குப் பிறகு, அது மிகவும் நம்பத்தகுந்ததாகத் தோன்றலாம்.
AI இன்னும் எதில் தடுமாறுகிறது (பெரும்பாலும்)
- கம்ப்ரஷனின் கீழ் நன்றாக மீண்டும் மீண்டும் வரும் விவரங்கள்: புல், முடி, தொலைதூர இலைகள், சங்கிலி-இணைப்பு வேலிகள். AI அவற்றை "பரிந்துரைகளாக" வழங்கலாம், மேலும் கம்ப்ரஷன் அந்த பரிந்துரைகளை நம்பத்தகுந்த முறையில் மீண்டும் செய்யாத கறைகளாகவோ அல்லது வளையங்களாகவோ மாற்றுகிறது.
- உண்மையான உலக மேற்பரப்புகளின் மீது அச்சிடப்பட்டவை: வளைந்த அடையாளங்கள், பொறிக்கப்பட்ட லேபிள்கள், தையல். AI அதிர்வை வெளிப்படுத்த முடியும், ஆனால் கம்ப்ரஷன் மேற்பரப்புகளின் விளிம்பு குணங்களை வெளிப்படுத்துகிறது, அவை அந்த பொருளுடன் பொருந்தவில்லை.
- நுட்பமான இயக்கம் மங்கலானது மற்றும் ஆழமான புலத்தின் மாற்றங்கள்: உண்மையான லென்ஸ்கள் சிறப்பியல்பு வழிகளில் மங்கலாக்குகின்றன மற்றும் பொக்கே விளைவுகளை உருவாக்குகின்றன. AI போலிகள் மேம்பட்டுள்ளன, ஆனால் கம்ப்ரஷன் சில நேரங்களில் அவற்றின் சீரான தன்மையை மிகைப்படுத்துகிறது.
செயல்முறை விளக்கம்: ஒரு எளிய வீட்டு சோதனை (லேப் கோட் தேவையில்லை)
- படி 1: 100% மற்றும் 200% பெரிதாக்கத்தைக் காட்டும் ஒரு வியூவரில் படத்தை திறக்கவும். படம் சிறியதாக இருந்தால் (எ.கா., சமூக ஊடகத்திலிருந்து), அதிசயங்களை எதிர்பார்க்க வேண்டாம்.
- படி 2: நிலைத்தன்மைக்காக ஸ்கேன் செய்யவும். கட்டம் கட்டமான கலைப்பொருட்கள் எல்லா இடங்களிலும் தோன்றுகிறதா, அல்லது சில ஒட்டப்பட்ட பகுதிகளைப் போல தோற்றமளிக்கிறதா?
- படி 3: முகங்கள், உரை மற்றும் முடியை சரிபார்க்கவும். இழைகள் சிரப் போல் கரைகிறதா? மற்ற அனைத்தும் மங்கலாகும்போது எழுத்துக்கள் தெளிவாக இருக்கிறதா—அல்லது அதற்கு நேர்மாறாக?
- படி 4: ஆன்லைன் கருவியில் விரைவான ELA ஐ இயக்கி பகுதிகளை ஒப்பிடவும். மாற்றங்கள் சீராக இருக்கிறதா, அல்லது சில பகுதிகள் வினோதமாக பிரகாசமாக இருக்கிறதா?
- படி 5: கோப்பில் மெட்டாடேட்டா இருந்தால், அதை மேலோட்டமாகப் பார்க்கவும். கதைக்கு பொருந்தாத ஏதாவது இருக்கிறதா?
- படி 6: சந்தேகம் இருந்தால், அசல் கோப்பை கேட்கவும். ஸ்கிரீன்ஷாட்களை விட அசல் கோப்புகளில் வலுவான தடயங்கள் உள்ளன.
கம்ப்ரஷன் மற்றும் ஒருமைப்பாடு: பெரிய தவறு
கம்ப்ரஷன் வெளிப்படுத்துவது மட்டுமல்ல; அது அழித்தும் விடுகிறது. பல தளங்கள் மெட்டாடேட்டாவை நீக்கி, படங்களின் அளவை மாற்றி, அதிக அளவில் மீண்டும் கம்ப்ரஸ் செய்கின்றன. இதன் பொருள்:
- நீங்கள் அதிக தவறான எதிர்மறைகளைப் பெறுவீர்கள். ஐந்து சோசியல் மீடியா பயணங்களுக்குப் பிறகு ஒரு உண்மையான புகைப்படம் "தவறாக" இருக்கலாம்.
- நீங்கள் அதிக தவறான நேர்மறைகளைப் பெறுவீர்கள். ஒரு மொபைல் கேமராவின் ஸ்கிரீன்ஷாட் மூலம் இயக்கப்பட்ட ஒரு AI படம், பின்னர் ஒரு மெசேஜிங் பயன்பாட்டின் மூலம் இயக்கப்பட்டால், "உண்மையான" கலைப்பொருட்களைப் பெறலாம்.
எனவே நீங்கள் ஒரு கலைப்பொருளின் அடிப்படையில் ஒரு தீர்ப்பை எடுக்க வேண்டாம். தரவு, பிழை நிலைகள், இரைச்சல் சுயவிவரங்கள், கம்ப்ரஷன் தாளம் மற்றும் காட்சி பற்றிய நல்ல பழைய பொது அறிவை அடுக்கவும்.
கருவிப்பெட்டி: 2025 இல் உண்மையில் உதவுவது என்ன
- புகைப்பட தடயவியல் தொகுப்புகள்: இவை ELA, குளோன் கண்டறிதல், இரைச்சல் மற்றும் தொகுதி பகுப்பாய்வு மற்றும் மெட்டாடேட்டா பார்வையாளர்களை வழங்குகின்றன. இத்தகைய கருவிகளின் ஒரு திடமான தொகுப்பு சரியான தொடக்க தொகுப்பைத் தேர்ந்தெடுக்க உங்களுக்கு உதவும்.
- டீப்ஃபேக் கண்டறிதல் நுண்ணறிவு: புதிய அளவுகோல்கள் நிஜ உலக கம்ப்ரஷனின் கீழ் டிடெக்டர்களை அழுத்தமாக சோதிக்கின்றன—மேலும் படங்கள் இரைச்சலாக இருக்கும்போது அல்லது குறைந்த ரெசல்யூஷனில் இருக்கும்போது எந்த முறைகள் நிலைத்து நிற்கின்றன என்பதை வெளிப்படுத்துகின்றன. உங்கள் சந்தேகத்திற்குரிய படம் அரிதாகவே தூய்மையாக இருக்கும் என்பதால் அது முக்கியமானது.
- மெட்டாடேட்டா சரிபார்ப்புப் பட்டியல்கள்: நூலகங்கள் மற்றும் ஆராய்ச்சி மையங்கள் பெரும்பாலும் கண்டறிதல் கருவிகளின் புதுப்பிக்கப்பட்ட கோப்பகங்களை வைத்திருக்கின்றன. விரைவான மனநல சோதனைக்கு ஒன்று அல்லது இரண்டு கருவிகள் மட்டுமே தேவைப்பட்டாலும் இது மிகவும் உதவியாக இருக்கும்.
நன்மை தரும் நகர்வுகள்: உங்களுக்கு வெறும் உணர்வை விட அதிகமாக தேவைப்படும்போது
- தெரிந்த படங்களுடன் அளவீடு செய்யுங்கள். அதே சாதனம் மற்றும் வெளிச்சத்திலிருந்து சில உண்மையான புகைப்படங்களைப் பிடிக்கவும். கம்ப்ரஷன் கலைப்பொருட்கள் மற்றும் இரைச்சல் நடத்தைகளை பக்கவாட்டில் ஒப்பிடுங்கள்.
- இரட்டை கம்ப்ரஷனை விசாரிக்கவும்: DCT குணக கால இடைவெளியை பகுப்பாய்வு செய்யும் டிடெக்டர்களைப் பயன்படுத்தவும். வேண்டுமென்றே எடிட் செய்வதை விட உண்மையான உலக மறு கம்ப்ரஷன் வேறுபட்ட கையொப்பத்தை விட்டுச்செல்கிறது.
- PRNU ஐக் கவனியுங்கள்: ஒரு கேமராவிலிருந்து உங்களிடம் பல அசல்கள் இருந்தால், சந்தேகத்திற்கிடமான படம் "சொந்தமானதா" என்பதைச் சோதிக்கவும். கம்ப்ரஷன் உணர்திறனைக் குறைக்கிறது, ஆனால் எப்போதும் அபாயகரமானதாக இருக்காது.
- ஜெனரேட்டர் கைரேகைகளை ஆராயுங்கள்: சில முறைகள் படங்களை சில மாடல் குடும்பங்களுக்கு காரணம் காட்ட முடியும். மீண்டும், கம்ப்ரஷன் காயப்படுத்துகிறது—ஆனாலும் வலுவான நுட்பங்கள் தொடர்ந்து மேம்பட்டு வருகின்றன, சில சமயங்களில் JPEG இன் கீழும் வேலை செய்கின்றன.
Sider.AI: உங்களுக்கு ஒரு ஸ்மார்ட் இரண்டாவது கருத்து தேவைப்படும்போது நள்ளிரவில் துப்பறியும் வேலை செய்வதிலிருந்து ஒரு நவீன உதவியாளர் உங்களை இங்கே காப்பாற்ற முடியும். நீங்கள் வழக்கமாக படங்களை வரிசைப்படுத்தினால்—பத்திரிக்கையாளர்கள், கல்வியாளர்கள், சமூக மேலாளர்கள்—விரைவான சோதனைகளை இயக்கவும், தடயங்களை சுருக்கவும் மற்றும் ஆழமான பகுப்பாய்விற்கான சரியான கருவியை சுட்டிக்காட்டவும் உதவும் AI உதவியாளர் நேரத்தை மிச்சப்படுத்துபவர். எடுத்துக்காட்டாக, Sider.AI வெளியீடுகளை ஒப்பிடவும், கண்டுபிடிப்புகளை ஒழுங்கமைக்கவும் மற்றும் சக ஊழியர்களுடன் பகிர்ந்து கொள்ளக்கூடிய ஒரு சிறிய ஒருமைப்பாடு அறிக்கையை கூட தயாரிக்கவும் உதவும். இது ஒரு தடயவியல் ஆய்வகத்தை மாற்றாது (மேலும் அது மாற்றவும் கூடாது), ஆனால் இது முதல் படியை மிகவும் எளிதாக்குகிறது: மெட்டாடேட்டாவை இழுக்கவும், கம்ப்ரஷன் விசித்திரங்களை கவனிக்கவும் மற்றும் நெருக்கமான ஆய்வுக்கான பகுதிகளைக் கொடியிடவும். விசித்திரமான பிக்சல் தடயங்களை எங்கே தேடுவது என்று தெரிந்த ஒரு நட்பு பாராலீகல் இருப்பது போன்றது. சிவப்புக் கொடிகள் மற்றும் நியாயமான சந்தேகம்: ஒரு நடைமுறை வழிகாட்டி
உங்களுக்கு மூன்று-வாளி அமைப்பை வழங்கவும்:
- பச்சை: கதை மெட்டாடேட்டாவுடன் பொருந்துகிறது; கம்ப்ரஷன் கலைப்பொருட்கள் நிலையானவை; ELA சீரான நடத்தையைக் காட்டுகிறது; டெக்ஸ்சர்கள் எதிர்பார்த்தபடி மோசமடைகின்றன. உண்மையானதாக இருக்கலாம் (அல்லது குறைந்தபட்சம் எடிட் செய்யப்படாதது).
- மஞ்சள்: சில பொருந்தாமை—ஒரு பகுதியில் விசித்திரமான தொகுதி விளிம்புகள், இரட்டை கம்ப்ரஷன் குறிப்புகள், மெட்டாடேட்டா இடைவெளிகள். இது ஒரு உறுதியான நம்பிக்கை அல்ல—அசல் கேட்க ஒரு தூண்டுதல் மட்டுமே.
- சிவப்பு: தெளிவான முரண்பாடுகள்—பகுதிகளில் வெவ்வேறு கம்ப்ரஷன் முறைகள், வரையப்பட்டதைப் போல முடி அல்லது உரை நடத்தை, இயற்பியலை மீறும் வெளிச்சம் அல்லது நிழல்கள். காணாமல் போன மெட்டாடேட்டா அல்லது தந்திரமான தோற்றத்துடன் இணைந்தால், எதிர்த்துப் பேச போதுமானதாக இருக்கும்.
இது ஏன் கடினமாகிறது
ஜெனரேட்டிவ் மாடல்கள் உங்கள் கட்டைவிரல்கள் பெரிதாக்குவதை விட வேகமாக மேம்படுகின்றன. அவை சென்சார்களைப் பின்பற்ற செயற்கை இரைச்சலைச் சேர்க்கின்றன, டெக்ஸ்சர்களை மிகவும் நம்பத்தகுந்ததாக வழங்குகின்றன, மேலும் பெரும்பாலும் "பாதுகாப்பான" கம்ப்ரஷன்-வலுவான பாணிகளுக்கு இயல்புநிலையாக இருக்கும். இதற்கிடையில், தளங்கள் நாம் நம்பியிருக்கும் தடயங்களை மறைக்கும் வகையில் படங்களை மீண்டும் கம்ப்ரஸ் செய்து வருகின்றன. இலக்குகள் நகர்கின்றன—ஆனால் கருவிகளும் நுட்பங்களும் நகர்கின்றன. புலத்தின் ஆய்வுகள் கம்ப்ரஷன் மற்றும் பிற நிஜ உலக கழிவுகளின் கீழ் வலுவாக இருக்கும் முறைகளில் ஊக்கமளிக்கும் முன்னேற்றத்தைக் காட்டுகின்றன; காரணமாக்கும் அணுகுமுறைகள் கூட JPEG இன் இறைச்சி கிரைண்டரைத் தாக்குப் பிடிக்க கற்றுக்கொள்கின்றன, குறைந்தபட்சம் சில நேரங்களில்.
சரிசெய்தல் பக்கங்கள்: பொதுவான தடங்கல்கள்
- "ELA முகம் பிரகாசமாக இருப்பதாக கூறுகிறது—எனவே இது போலியானது, சரியா?" அவசியமில்லை. அதிக விவரங்கள் உள்ள பகுதிகள் மற்றும் அதிக மாறுபாடுள்ள விளிம்புகள் இயற்கையாகவே ELA இல் தோன்றும். உங்களுக்கு ஆதாரத் தடயங்கள் தேவை.
- "மெட்டாடேட்டா காணவில்லை—வழக்கு முடிந்தது?" இல்லை. பல பயன்பாடுகள் இடத்தை சேமிக்க அல்லது தனியுரிமையைப் பாதுகாக்க EXIF ஐ நீக்குகின்றன. மெட்டாடேட்டா காணாமல் போவது கேள்விகளைக் கேட்க ஒரு காரணம், தீர்ப்பு அல்ல.
- "நான் இரட்டை கம்ப்ரஷனைக் கண்டேன்!" சோசியல் தளங்கள் அதை எப்போதும் செய்கின்றன. இரட்டை கம்ப்ரஷன் மற்றும் நிலையற்ற டெக்ஸ்சர்கள் அல்லது தொகுதி எல்லைகள் இரண்டும் தனித்தனியாக இருப்பதை விட மிகவும் அர்த்தமுள்ளவை.
- "PRNU பொருந்தவில்லை—எனவே இது AI?" நீங்கள் சரியான சாதனத்துடன் ஒப்பிட்டு, தூய்மையான அசல்களை வைத்திருந்தால் மட்டுமே. கம்ப்ரஷன் மற்றும் அளவை மாற்றுவது PRNU நம்பிக்கையை குறைக்கிறது.
உண்மையான உலக டெமோ: ஓநாய் என்று கூச்சலிட்ட விடுமுறை புகைப்படம்
நீங்கள் ஒரு சமூக மன்றத்தை மேற்பார்வையிடுவதாக கற்பனை செய்து பாருங்கள். யாரோ ஒருவர் ஒரு அற்புதமான புகைப்படத்தை பதிவிடுகிறார்கள்: "நம்பிக்கை" என்ற வார்த்தையை உச்சரிக்கும் ஒரு பெரிய, மின்னும் அலையால் வடிவமைக்கப்பட்ட ஒரு சர்ஃபர். பார்வையாளர்கள் கூட்டம் கூட்டமாக வருகிறார்கள்: "போலி!" "இல்லை, கலை!" "தெளிவாக AI!"
நீங்கள்:
- படத்தை எடுக்கவும். கோப்பு 1200×800 JPEG, குறைந்த அளவு—தெளிவாக மறு கம்ப்ரஸ் செய்யப்பட்டது.
- ELA ஐ சரிபார்க்கவும். நீரின் விளிம்பு ஒளிர்கிறது, ஆனால் வெட்சூட் மடிப்புகளும் ஒளிர்கின்றன—அதிக மாறுபாடுள்ள விளிம்புகளுக்கு இயல்பானது.
- 200% பெரிதாக்கவும். முடி மற்றும் தெளிப்பு கொஞ்சம் அதிகமாக கறை படிந்ததாகத் தெரிகிறது—கம்ப்ரஷனாக இருக்கலாம்.
- "நம்பிக்கை" என்ற உரை அலையுடன் சரியாக வளைகிறது. எழுத்து விளிம்புகளில், நீரின் தானியத்துடன் பொருந்தாத சீரான ரிங்கிங்கை நீங்கள் காண்கிறீர்கள். சந்தேகம்.
- அசல் கேட்கவும். போஸ்டர் 4032×3024 கோப்பை வழங்குகிறது. மெட்டாடேட்டா ஐபோன், சமீபத்திய தேதி, கடற்கரையில் GPS ஆன் என்று கூறுகிறது.
- மீண்டும் சோதனைகளை இயக்கவும். இப்போது நீரின் மைக்ரோடெக்ஸ்சர் உண்மையானதாகத் தெரிகிறது; எழுத்து விளிம்புகள் இன்னும் தனித்து நிற்கின்றன. நீங்கள் ELA ஐ மேலெழுத்து செய்கிறீர்கள்—சுற்றியுள்ள ஸ்பிளாஷை விட எழுத்துக்கள் பிரகாசமாகத் தெரிகின்றன.
தீர்ப்பு: எடிட் செய்யப்பட்ட உரை ஒரு உண்மையான புகைப்படத்தில் இணைக்கப்பட்டுள்ளது. AI ஆல் உருவாக்கப்படவில்லை, ஆனால் "தீண்டப்படாதது" அல்ல. ஒருமைப்பாடு பகுப்பாய்வு இரண்டு வழிகளிலும் வேலை செய்கிறது—இது ஒரு உண்மையான புகைப்படத்தை தவறான குற்றச்சாட்டுகளிலிருந்து காப்பாற்றலாம் அல்லது கலவை செய்பவரின் நுட்பமான கையை வெளிப்படுத்தலாம்.
இறுதியாக ஒன்று: ஆர்வத்தை வைத்துக்கொள்ளுங்கள், உறுதியைக் கைவிடுங்கள்
கம்ப்ரஷன் கலைப்பொருட்கள் கடற்கரையில் உள்ள கால்தடங்களைப் போன்றவை: உதவியாக இருக்கும், ஆனால் அலை-உணர்திறன் கொண்டவை. நீங்கள் அவற்றை சூழலில் பயன்படுத்தும்போது அவை சக்திவாய்ந்த தடயங்கள்—மெட்டாடேட்டா, நிலைத்தன்மை சோதனைகள் மற்றும் பொது அறிவு ஆகியவற்றுடன். AI போலியாக உருவாக்குவதில் தொடர்ந்து சிறப்பாக இருக்கும், மேலும் தளங்கள் மறு கம்ப்ரஷன் மூலம் ஆதாரங்களை தொடர்ந்து அழிக்கும். ஆனால் ஒரு ஸ்மார்ட் பணிப்பாய்வு, சரியான கருவிகள் மற்றும் ஆரோக்கியமான அளவிலான சந்தேகத்துடன், நம்பகமானதை ஏமாற்றுவதிலிருந்து பிரிக்கலாம்.
உங்கள் நண்பர் மற்றொரு அற்புதமான நிலவு புகைப்படத்தை உங்களுக்கு அனுப்பினால்? பெரிதாக்கவும், சுவாசிக்கவும் மற்றும் பிக்சல்கள் அவற்றின் கதையை சொல்லட்டும்.
மேலும் வாசிப்பு மற்றும் தொகுப்புகள்
- சிறந்த புகைப்பட தடயவியல் கருவிகள் மற்றும் ஒவ்வொன்றும் உண்மையில் எதற்கு நல்லது.
- உண்மையான உலக கம்ப்ரஷன் மற்றும் இரைச்சலின் கீழ் டீப்ஃபேக் கண்டறிதல் எவ்வாறு நிலைத்து நிற்கிறது.
- கல்வி நூலகங்களிலிருந்து AI கண்டறிதல் கருவிகளின் கோப்பகங்கள்.
- கம்ப்ரஷனின் கீழ் வலுவான AI பட கண்டறிதல் முறைகள் பற்றிய ஆய்வுகள்.
அடிக்கடி கேட்கப்படும் கேள்விகள்
கே 1: AI படங்களை அடையாளம் காண கம்ப்ரஷன் கலைப்பொருட்கள் எவ்வாறு உதவும்?
கம்ப்ரஷன் கலைப்பொருட்கள் ஒரு படத்தின் அடிப்படை டெக்ஸ்சருடன் தொடர்பு கொள்கின்றன. கேமரா புகைப்படங்கள் சென்சார் விசித்திரங்களையும் இயற்கையான இரைச்சலையும் கொண்டுள்ளன; AI படங்கள் பெரும்பாலும் மென்மையாகவோ அல்லது விசித்திரமாகவோ இருக்கும். JPEG க்குப் பிறகு, அந்த வேறுபாடுகள் தொகுதி எல்லைகள், இரைச்சல் நடத்தை மற்றும் விளிம்பு ஒளிவட்டங்களில் காட்டப்படலாம்—அவற்றை தீர்ப்புகளாக அல்ல, தடயங்களாகப் பயன்படுத்துங்கள்.
கே 2: ஒரு படம் போலியானது என்பதை நிரூபிக்க பிழை நிலை பகுப்பாய்வு (ELA) போதுமானதா?
இல்லை. ELA கம்ப்ரஷன் வேறுபாடுகளை எடுத்துக்காட்டுகிறது, இது சாதாரண விளிம்புகள் அல்லது எடிட்களிலிருந்து வரலாம். ELA ஐ ஒரு டார்ச் லைட்டைப் போல நடத்துங்கள்—சந்தேகத்திற்கிடமான பகுதிகளைக் கண்டுபிடிப்பதில் சிறந்தது, ஆனால் உங்களுக்கு மெட்டாடேட்டா, இரட்டை கம்ப்ரஷன் சோதனைகள் மற்றும் டெக்ஸ்சர் நிலைத்தன்மையிலிருந்து இன்னும் உறுதிப்படுத்தல் தேவை.
கே 3: சோசியல் நெட்வொர்க்குகள் தடயவியல் பகுப்பாய்வை கெடுக்கிறதா?
அவை அதை கடினமாக்குகின்றன. தளங்கள் அளவை மாற்றி, மெட்டாடேட்டாவை நீக்கி, மீண்டும் கம்ப்ரஸ் செய்கின்றன, இது தடயங்களை அழிக்கலாம் அல்லது பிரதிபலிக்கலாம். நீங்கள் இன்னும் பயனுள்ள சிக்னல்களைப் பெறலாம், ஆனால் ஒருமைப்பாடு முக்கியமாக இருக்கும்போது எப்போதும் அசல் கோப்பைக் கேளுங்கள்.
கே 4: JPEG இன் கீழ் AI உருவாக்கிய படத்தின் மிகவும் நம்பகமான அறிகுறி என்ன?
வெள்ளி தோட்டா எதுவும் இல்லை. பல தடயங்களின் முறை—சீரான செயற்கை இரைச்சல், நிலையற்ற தொகுதி கலைப்பொருட்கள், முடி அல்லது இலையில் நம்பமுடியாத டெக்ஸ்சர் சீரழிவு—பலவீனமான மெட்டாடேட்டா அல்லது விசித்திரமான வெளிச்சத்துடன் இணைந்து எந்த ஒரு சோதனையையும் விட அதிகமாக சொல்கிறது.
கே 5: கேமரா-தோற்றம் படங்களைச் சரிபார்க்க PRNU ஐப் பயன்படுத்த வேண்டுமா?
உங்களிடம் அதே சாதனத்திலிருந்து தூய்மையான குறிப்பு புகைப்படங்கள் இருந்தால், PRNU சக்திவாய்ந்ததாக இருக்கும். கம்ப்ரஷன் மற்றும் அளவை மாற்றுவது அதன் நம்பகத்தன்மையைக் குறைக்கிறது என்பதை நினைவில் கொள்ளுங்கள், எனவே அதை ELA, இரட்டை கம்ப்ரஷன் கண்டறிதல் மற்றும் நல்ல தோற்ற நடைமுறைகளுடன் இணைந்து பயன்படுத்தவும்.
