首页 > 其他分享 >如何区分人工智能生成的图像与真实照片(下)

如何区分人工智能生成的图像与真实照片(下)

时间:2024-06-20 22:01:35浏览次数:25  
标签:例如 人工智能 区分 生成 AI 可能 图像 物体

4 功能上的不合理性

       AI 生成的图像往往会因为缺乏对现实世界物体结构和相互作用的了解,而产生各种功能不合理之处。这些不合理之处主要表现在以下几个方面:

4.1 构图不合理

物体关系不合逻辑: AI 生成的图像中,物体和人物之间的关系可能不符合现实世界的物理原理。例如,物体可能悬浮在空中,没有支撑;物体之间可能相互融合,无法分辨。

物体形态不符合实际: AI 生成的物体可能形态扭曲,无法使用。例如,楼梯可能一半消失在建筑物中,烤箱内部和炉灶顶部混合在一起,牙刷上的刷毛过多等。

4.2 功能失调的物体

物体无法正常使用: AI 生成的图像中,物体可能存在设计缺陷,无法正常使用。例如,手表从手臂中冒出来,时间显示方式不正常;羽毛球拍的手柄看起来像是断开的;扫帚的握把损坏,无法使用等。

4.3 细节渲染不合理

物体细节扭曲: AI 生成的图像中,物体的细节可能扭曲或失真。例如,运动器材和乐器上的弦可能排列不整齐,衣服上的小细节可能出现 glitch-like 的错误。

物体设计不典型: AI 生成的图像中,物体的设计可能不典型,不符合现实世界中的常见样式。例如,服装上的图案可能不对称,纽扣和搭扣的位置不正常等。

4.4 文本和标志

文本扭曲或无法识别: AI 生成的图像中,文本可能扭曲变形,无法识别,或者使用不存在的语言或词汇。

标志设计不合规: AI 生成的图像中,标志的设计可能不符合现实世界中的规范,或者出现拼写错误。

4.5 提示词过度拟合

提示词关键词过度体现: AI 生成的图像中,某些提示词关键词可能过度体现,或者以不常见的形态出现。例如,提示词中提到“条纹衬衫”,图像中背景的壁纸也出现了大量条纹,而提示词中并没有提到背景。

4.6 识别功能不合理之处要点

  • 图像中的文本是否扭曲,是否包含非常规字形,或者有奇怪的拼写错误?
  • 图像中的物体看起来是否正确?
  • 物体是否以不寻常的方式出现在环境中?
  • 任何物体看起来是否无法正常工作,或者放置方式使它们无法正常工作?
  • 衣服上的印花、纽扣和扣子是否有非典型设计?
  • 物体的精细细节,如吉他的弦等,是否有扭曲或类似故障的人工痕迹?

5 违反物理定律

AI 生成的图像有时会出现违反物理定律的现象,主要体现在以下几个方面:

5.1 光照和阴影

阴影方向不一致: AI 生成的图像中,阴影的方向可能不一致,或者与光源方向不符。例如,一个物体的阴影可能指向一个方向,而另一个物体的阴影指向另一个方向。

阴影形状不符合光源: AI 生成的图像中,阴影的形状可能不符合光源的形状。例如,太阳光照射下的物体阴影应该是平行线,但 AI 生成的图像中,阴影的形状可能是弯曲的。

阴影的位置不正确: AI 生成的图像中,阴影的位置可能不正确,或者与物体的位置不符。例如,一个物体在背景中的阴影可能出现在物体前面。

5.2 反射

反射物与实际场景不符: AI 生成的图像中,反射物(如镜子、水面、金属物体等)反射的图像可能不符合实际场景。例如,一个人站在镜子前,但镜中反射的图像却是他站在镜子后面的样子。

反射物中的细节扭曲: AI 生成的图像中,反射物中的细节可能扭曲或失真。例如,镜子中反射的桌子线条可能与实际的桌子线条不一致。

5.3 深度和透视

图像出现扭曲: AI 生成的图像中,图像可能出现扭曲,例如,直线看起来像是弯曲的。

深度和透视问题: AI 生成的图像中,深度和透视可能存在问题,例如,物体的比例不正确,或者物体的轨迹不符合实际。

透视失真: AI 生成的图像中,透视可能失真,例如,物体的大小与实际不符,或者物体的位置看起来不正确。

5.4 识别违反物理定律要点

  • 图像中的任何阴影是否与其光源不一致?
  • 图像中的多个阴影是否指向不同的方向?
  • 你注意到图像中有任何弯曲吗?
  • 场景中的路径或轨迹是否看起来不自然或不合理?
  • 图像中是否有任何反射表面?如果有,放大查看反射 - 这些反射是否与周围世界一致?

6 社会文化不合理之处

6.1不可能的场景

与现实脱节: AI 生成的图像可能描绘一些在现实生活中不可能出现的场景,例如,名人穿着不寻常的服装或从事不可能的活动。

社会规范不符: AI 生成的图像可能违反社会规范,例如,在正式场合穿着浴衣或拥抱不常见。

公共人物行为异常: AI 生成的图像可能描绘公共人物做出不符合他们一贯行为或价值观的事情,例如,政治领导人做出不合适的表情或姿势。

6.2不合适的情况

将不同情境的元素混合: AI 生成的图像可能将来自不同情境的元素混合在一起,例如,将办公室场景与穿着儿童服装的人物混合在一起。

不适当的服装: AI 生成的图像可能描绘人物穿着不适当的服装,例如,在葬礼上穿着比基尼或参加正式活动时穿着小丑服装。

不合适的表情和动作: AI 生成的图像可能描绘人物做出不合适的表情或动作,例如,在专业场合摆出随意的姿势或在严肃的场合做出滑稽的表情。

6.3违反文化规范

文化细节错误: AI 生成的图像可能包含错误的文化细节,例如,描绘特定文化的人物穿着不合适的服装或使用不正确的手势。

文化误解: AI 生成的图像可能对文化存在误解,例如,将来自不同文化的人物混合在一起,或者将文化元素错误地组合在一起。

6.4历史不准确

描绘虚假的历史场景: AI 生成的图像可能描绘虚假的历史场景,例如,将历史人物描绘成不符合历史事实的样子,或者将历史事件描绘成从未发生过的事情。

6.5 识别社会文化不合理要点

  • 图像是否描绘了一个不太可能的场景?
  • 图像是否显示人们的行为不适当或做一些他们通常不会做的事情?
  • 图像中的情况是否违反了特定文化中的规范?
  • 如果图像中有公众人物,图像是否违反了已知的历史事实?

标签:例如,人工智能,区分,生成,AI,可能,图像,物体
From: https://blog.csdn.net/robinfang2019/article/details/139712709

相关文章

  • 人工智能模型组合学习的理论和实验实践
        组合学习,即掌握将基本概念结合起来构建更复杂概念的能力,对人类认知至关重要,特别是在人类语言理解和视觉感知方面。这一概念与在未观察到的情况下推广的能力紧密相关。尽管它在智能中扮演着核心角色,但缺乏系统化的理论及实验研究方法,使得分析计算模型的组合学习能力......
  • Meta FAIR研究新成果:图像到文本、文本到音乐的生成模型,多标记预测模型以及AI生成语音
    MetaAI研究实验室(FAIR)公开发布了多项新研究成果,包括图像到文本和文本到音乐的生成模型,多词预测模型,以及检测AI生成语音的技术。发布的成果体现了开放性、协作、卓越和规模化等核心原则。公开早期研究工作旨在激发迭代,推动AI负责任发展。MetaChameleon系列模型可将文本......
  • 人工智能系列:一文让你读懂什么是模式识别
    目录1.什么是模式识别1.1人工智能和模式识别1.2信息感知1.3计算机模式识别1.4模式识别应用1.5模式识别发展简史1.6相关问题和领域2.模式识别形式化2.1模式和模式识别2.2模式表示2.3特征空间2.4特征空间中的分类2.5一个例子3.模式识别系统流程4.模式分类器设计4......
  • 遥感图像
    原文链接1.遥感成像原理在继续下面的介绍之前,我们先来说一下遥感成像的原理。此处援引知乎一个前辈的回答。光进入相机镜头,光电感应装置将光信号转换为电信号,量化电脉冲信号,记录为一个像素值。传感器响应函数设计为,要使光电感应装置产生这个电脉冲信号,光子强度必须达到一个阈......
  • 01.VisionMaster 机器视觉 本地图像导入及参数设置
     左边工具栏:采集-》图像源,点击后拉到流程窗口中  在右边有三个按钮可以添加图像和图像文件夹。  双击图像源可以打开参数设置  参数说明:像素格式:MONO8表示图像为黑白图像,RGB24为彩色图像。看你想以什么图像打开处理。注意RGB24可以转成MONO8,但MONO8不......
  • 【劲爆消息】GLM4 开源了!!!人工智能大模型又一大进步
    在人工智能领域,开源项目总是能够激发社区的创新活力。今天,我们要分享一个令人震撼的消息:智谱AI推出的最新一代预训练模型GLM-4系列中的开源版本——GLM-4-9B,现已全面开源!GLM-4-9B不仅仅是一个模型,它是智谱AI对深度学习和自然语言处理能力的一次全新探索。在语义理......
  • 【Android】代码中将 SVG 图像转换颜色
    要在代码中将SVG图像转换为黑色,你可以使用一个库,例如AndroidSVG或SVG-Android。以下是一个简单的示例代码,展示了如何通过代码方式将SVG图像改为黑色://导入AndroidSVG库importcom.caverock.androidsvg.SVG;importcom.caverock.androidsvg.SVGParseException;......
  • AI浪潮下24年毕业生的就业新机遇,人工智能高薪岗位!
    前言据教育部数据统计,2024高校毕业生规模预计达1179万人,将再创历史新高,“就业难”仍是当前大学毕业生需要直面的问题。在此背景下,选择一个就业前景好的专业尤为重要。如果说2023是人工智能爆发的一年,那么2024年,人工智能的影响力将进一步增强,它对我们的生产生活、学习工作......
  • 生成式人工智能不会为你建立工程团队
    生成式人工智能不会为你建立工程团队软件产业正在成长在某种程度上,这是行业成熟的必然结果。任何领域的早期都有点像狂野的西部,赌注很低,没有监管,标准刚刚形成。如果你看看其他行业的早期历史——医药、电影、广播——相似之处是惊人的。任何新兴技术都有一个神奇的时刻,......
  • 数字图像处理之二维傅里叶变换
    二维连续傅里叶变换二维离散傅里叶变换二维离散傅里叶变换的性质frombuiltinsimportprint,intimportcv2importnumpyasnpfrommatplotlibimportpyplotasplt#shape:600*600img=cv2.imread('../pic/Fig0438(a)(bld_600by600).tif'......