10% Trọng Số Phát Hiện

Phát hiện giải phẫu

Phân tích tay & khuôn mặt

Trình tạo hình ảnh AI thường tạo ra lỗi giải phẫu. Chúng tôi sử dụng thị giác máy tính để phát hiện những sai sót này.

85%
Khi Tìm Thấy Vấn Đề
10%
Trọng Số Phát Hiện
Anatomy Detection

Cách Hoạt Động

Sử dụng MediaPipe, chúng tôi phát hiện tay và khuôn mặt trong hình ảnh, sau đó phân tích chúng để tìm các lỗi AI phổ biến: số ngón tay sai, đặc điểm khuôn mặt không đối xứng, góc khớp không thể và tỷ lệ bất thường.

Hand Detection

  • • Wrong number of fingers (6+ or less than 5)
  • • Impossible joint angles
  • • Missing or extra joints
  • • Merged or distorted fingers

👤 Face Detection

  • • Asymmetrical facial features
  • • Misaligned eyes or ears
  • • Unnatural teeth patterns
  • • Hair inconsistencies

Powered by MediaPipe

MediaPipe

Google MediaPipe

Real-time ML solutions for hands and faces

Hand Landmarks
21 points per hand
Face Mesh
468 landmarks

Phương pháp liên quan

Phát hiện ML

Phát hiện học máy của chúng tôi sử dụng các mô hình transformer tiên tiến được đào tạo trên hàng triệu hình ảnh để phân biệt ảnh thực với nội dung do AI tạo ra.

Phân tích PRNU

PRNU phát hiện dấu vân tay cảm biến máy ảnh độc đáo từ lỗi sản xuất. Hình ảnh AI không thể sao chép các chữ ký cảm biến thực này.

Phân tích tần số

Phân tích miền tần số kiểm tra sự phân bố của các thành phần tần số cao và thấp trong hình ảnh. Hình ảnh AI thường thiếu nhiễu tần số cao tự nhiên có trong ảnh thực.

Phân tích gradient

Phân tích các mẫu cạnh và đặc điểm kết cấu sử dụng toán tử Sobel, Canny và Laplacian. Hình ảnh AI thường có gradient mượt hoặc đồng nhất không tự nhiên.

Mẫu nhiễu

Ảnh thực chứa các mẫu nhiễu độc đáo từ cảm biến máy ảnh. Hình ảnh AI có phân bố nhiễu đồng nhất không tự nhiên.

Phân tích siêu dữ liệu

Metadata hình ảnh chứa manh mối quý giá về nguồn gốc. Chúng tôi phân tích dữ liệu EXIF, chữ ký phần mềm để xác định công cụ tạo AI.

Dấu vân tay GAN

Phát hiện các artifact đặc trưng của GAN như mẫu bàn cờ, dải màu và bất thường phổ đặc trưng của mạng đối kháng tạo sinh.

Phân tích kết cấu

Phân tích Local Binary Pattern cho các bất thường kết cấu phổ biến trong hình ảnh AI. Đo lường độ đồng nhất, entropy và tính đồng nhất.

Xác minh C2PA

C2PA là tiêu chuẩn công nghiệp để theo dõi nguồn gốc và lịch sử nội dung số thông qua chữ ký mã hóa.

Semantic Inconsistency Detection

Detects logical inconsistencies like incorrect shadows, impossible perspectives, distorted reflections, and violations of physical laws that AI often produces.

Human Biometric Analysis

Uses MediaPipe to analyze human anatomy for incorrect finger counts, asymmetric eyes, unnatural skin texture, and other anatomical anomalies common in AI-generated faces.

Lighting Physics Validation

Validates light source consistency, shadow direction physics, specular highlight accuracy, and color temperature uniformity across the image.

Compression Artifact Analysis

Analyzes JPEG compression artifacts to estimate quality levels and detect re-compression patterns that indicate image manipulation or AI generation.

Edge Sharpness Analysis

Analyzes sharpness distribution across the image and validates depth-of-field consistency. AI often produces unnaturally uniform sharpness.

Statistical Pattern Analysis

Analyzes statistical properties including Shannon entropy, histogram patterns, and Benford's Law compliance to detect synthetic image characteristics.

Chromatic Aberration Analysis

Detects the absence of chromatic aberration (color fringing) that real camera lenses produce. AI images lack these optical artifacts.

Micro-Texture Analysis

Analyzes microscopic texture patterns for repetition, uniformity, and unnatural randomness that AI generators often exhibit.

Color Palette Analysis

Analyzes color distribution including saturation levels, color diversity, and white balance consistency. AI images often have oversaturated colors.

Kiểm Tra Hình Ảnh Của Bạn

Tất cả phương pháp được kết hợp sử dụng điểm có trọng số để đưa ra phán quyết cuối cùng với mức độ tin cậy.

Thử Ngay