AI美女全軍覆沒！賽博照妖鏡下集體變鬼 AI代碼拆臺(tái)AI生圖
賽博照妖鏡下，AI美女全變鬼。
來看它的牙：
把圖像飽和度拉滿，AI人像的牙齒就會(huì)變得非常詭異，邊界模糊不清。
整體圖片的顏色也不正常，麥克風(fēng)部分更是奇怪。
對(duì)比真實(shí)人類照片，則應(yīng)該是這樣的。
牙齒是清晰的，圖片色塊都是均勻一致的。
這個(gè)工具已經(jīng)開放，人人都能拿著照片去試試。
AI生成視頻中的某一幀，也難逃此大法。
不漏牙的照片也會(huì)暴露問題。
不過BTW，這個(gè)工具出自Claude之手。用AI破解AI，奇妙的閉環(huán)。
有一說一，最近AI人像太逼真又引發(fā)了不小討論，比如一組大火的“TED演講者視頻”，其實(shí)沒有一個(gè)是真人。
不只是人臉難以區(qū)分，就連之前AI的短板——寫字，現(xiàn)在都能完全以假亂真。
更關(guān)鍵的是，生成這樣的AI人像，成本也不高。
低至5分鐘、每20秒1.5美元（人民幣10塊左右）的價(jià)格即可搞定。
這下網(wǎng)友們都坐不住了，紛紛搞起AI打假大賽。
近5千人來討論，這兩張圖到底哪張是真人。
給出的理由五花八門：有人發(fā)現(xiàn)文字、花紋細(xì)節(jié)很抽象，有人則覺得人物眼神很空洞……
最先進(jìn)的AI們生成人像有啥規(guī)律，逐漸被大家摸索出來了。
匯總來看，調(diào)整飽和度或許是目前最快速辨別的方法。
AI群像照在這種方法下暴露得更加徹底。
不過它存在一個(gè)問題。如果圖像用JPEG算法壓縮過后，該方法可能失效。
比如確定這張照片是真人照片。
但是由于畫質(zhì)壓縮以及光線等問題，人物牙齒也有點(diǎn)模糊。
所以網(wǎng)友們還列出了更多分辨人像是否是AI合成的方法。
第一種方法，簡單說就是依靠人類的知識(shí)判斷。
由于AI學(xué)習(xí)圖像的方式和人類并不一致，難免無法100%掌握人類視角下的視覺信息。
造成的結(jié)果就是，AI生成的圖片常常包含與現(xiàn)實(shí)世界不符之處，這就為圖像的鑒別提供了著手之處。
用開頭的這張圖片作為例子。
從整體上看，人物的皮膚過于光滑，看不到任何的毛孔，這種過于完美的特征反而增加了不真實(shí)感。
當(dāng)然這種“不真實(shí)感”并不完全等同于“造假”，畢竟經(jīng)過磨皮處理的圖片同樣看不到毛孔。
但這也并非唯一的判斷因素，AI在圖片中留下的與常識(shí)的出入也未必只有一處。
實(shí)際上，這張圖只要稍微看以下細(xì)節(jié)，就能看到一個(gè)比較明顯的特征——胸牌上方掛鉤奇特的連接方式。
還有在高飽和度模式下露出破綻的麥克風(fēng)，放大之后直接用肉眼也能看出端倪。
更為隱蔽的是，頭發(fā)末端有幾根毛發(fā)的位置很不合理，但這樣的特征，恐怕要擁有列文虎克級(jí)別的視力才能看到了。
不過，隨著生成技術(shù)的進(jìn)步，能夠找到的特征越來越隱蔽，也是一個(gè)無法避免的趨勢。
還有一種方法是看文字，雖然AI在字型的刻畫上正逐漸克服“鬼畫符”的問題，但正確地渲染出有正確實(shí)際含義的文字還存在一些困難。
比如有網(wǎng)友發(fā)現(xiàn)，照片中的人佩戴的胸牌上，Google標(biāo)志的下方最后一行字中的兩個(gè)字母是“CA”，表示美國加州，前面的一大長串應(yīng)該是城市名。
但實(shí)際上，加州根本沒有名字如此之長的城市。
除了這些物體本身的細(xì)節(jié)，還有光線、陰影等信息也可以用來判斷真?zhèn)巍?/strong>
這張圖片是從一段視頻當(dāng)中提取的，在它所在的視頻當(dāng)中還有這樣的一幀。
在話筒右側(cè)的位置，有一片十分詭異的陰影，這片陰影對(duì)應(yīng)的是人物的一只手，顯然AI在這里處理得有所欠缺。
說到視頻，由于涉及前后內(nèi)容一致性，AI倒是比在靜態(tài)圖像中更容易露出雞腳馬腳。
還有一些特征不算“常識(shí)錯(cuò)誤”，但也體現(xiàn)出了AI在生成圖像時(shí)的一些偏好。
比如這四張圖，都是AI合成的“普通人”（average people），有沒有發(fā)現(xiàn)什么共同之處？
有網(wǎng)友表示，這四張圖里的人，沒有一個(gè)是笑臉，這點(diǎn)似乎就體現(xiàn)了AI生圖的某種特征。
針對(duì)這幾張圖而言確實(shí)如此，但這樣的判斷方式很難形成系統(tǒng)，畢竟不同的AI繪圖工具，特點(diǎn)也都不盡相同。
總之，為了應(yīng)對(duì)逐漸進(jìn)步的AI，一方面可以加大“列文虎克”的力度，一方面還可以引入像拉高飽和度這樣的圖像處理技術(shù)。
但如果這樣的“量變”積累得越來越多，肉眼判斷也會(huì)越來越困難，圖像飽和度可能也有被AI攻破的一天。
所以人們也在轉(zhuǎn)變思路，想到了“以模制模”的方法，用AI生成的圖片訓(xùn)練檢測模型，從圖像中分析更多特征。
比如AI生成的圖像在頻譜、噪聲分布等方面存在許多特點(diǎn)，這些特點(diǎn)依靠肉眼無法捕捉，但AI卻能看得很清楚。
當(dāng)然，也不排除檢測方法落后、跟不上模型變化，甚至模型開發(fā)者專門進(jìn)行對(duì)抗性開發(fā)的可能。
比如前文一直在討論的這張圖片，某AI檢測工具認(rèn)為它是AI合成的概率只有2%。
但AI造假和AI檢測之間的博弈過程，本身就是一場“貓鼠游戲”。
所以在檢測之外，可能還需要模型的開發(fā)者也負(fù)起一些責(zé)任，例如給AI生成的圖片打上隱形水印，讓AI造假無處遁形。
值得一提的是，如上引發(fā)恐慌的AI人像，不少都是由最近爆火的Flux生成/參與制作。
甚至大家已經(jīng)開始默認(rèn)，效果太好難以分辨的，就是Flux做的。
它由Stable Diffusion原班人馬打造，發(fā)布才10天就在網(wǎng)絡(luò)上掀起軒然大波。
這些精美的假TED演講照片，都是出自它手。
還有人用Flux和Gen-3一起做出了精美的護(hù)膚品廣告。
以及多角度的各種合成效果。
它很好解決了AI畫手、AI生成圖片中文字等問題。
這直接導(dǎo)致現(xiàn)在人類區(qū)分AI畫圖，不能再直接看手和文字了，只能盯著蛛絲馬跡猜。
Flux應(yīng)該是在手部、文字等指標(biāo)上加強(qiáng)了訓(xùn)練。
這也意味著，如果當(dāng)下的AI繼續(xù)在紋理細(xì)節(jié)、色彩等方面下功夫訓(xùn)練，等到下一代AI畫圖模型出來時(shí)，人類的辨認(rèn)方法可能又要失效了……
而且Flux還是開源、筆記本電腦上可運(yùn)行的。不少人現(xiàn)在已經(jīng)在Forget Midjourney了。
從Stable Diffusion到Flux，用了2年。
從“威爾史密斯吃面條”到“Tedx演講者”，用了1年。
真不知道以后為了分辨AI生成，人類得想出哪些歪招了……
參考鏈接：
[1]https://x.com/ChuckBaggett/status/1822686462044754160
[2]https://www.reddit.com/r/artificial/comments/1epjlbl/average_looking_people/
[3]https://www.reddit.com/r/ChatGPT/comments/1epeshq/these_are_all_ai/
[4]https://x.com/levelsio/status/1822751995012268062
本站所有文章、數(shù)據(jù)、圖片均來自互聯(lián)網(wǎng),一切版權(quán)均歸源網(wǎng)站或源作者所有。
如果侵犯了你的權(quán)益請(qǐng)來信告知我們刪除。郵箱：business@qudong.com
