En este documento se resumen los principales argumentos de los artículos en los que Hany Farid, profesor de la Universidad de Berkeley, nos propone para detectar las inconsistencias de las imágenes generadas a través de DALL-E 2, y los modelos de Google Parti e Imagen. Durante el texto, se explican los puntos donde estás inteligencias artificiales fallan, si bien es verdad que a nivel global pueden parecer consistentes, un análisis más local permite identificar estas imágenes falsas mediante técnicas forenses sin necesidad de modelos de inteligencia artificial para la detección.

Puntos de fuga

Lo primero que se tratarán son los puntos de fuga, un aspecto relacionado con las líneas paralelas, podemos observar esto en las vías del tren, sobre el papel, estas son paralelas, pues sí las observamos de frente, vemos como estas convergen en el mismo punto: el punto de fuga. Todas las líneas paralelas deben compartir el mismo punto de fuga.
Hay varios factores a tener en cuenta cuando hablamos de esto:

  • Las líneas paralelas situadas en planos paralelos (o en el mismo plano) tienen el mismo punto de fuga.
  • Todos los puntos de fuga de un mismo plano (o de planos paralelos) se sitúan sobre la misma línea.

Sombras

Respecto a las sombras, sucede algo parecido al punto de fuga de las líneas paralelas, si juntamos los puntos del objeto con su correspondiente sombra generada, todas finalizan en el mismo punto.

En el caso de las sombras que se generan, cabe diferenciar entre tres casos distintos:

  • Cuando la luz viene de delante de la cámara.
  • Cuando la luz viene de detrás de la cámara.
  • La luz viene directamente desde abajo o encima de la cámara.

Si en cualquiera de estos casos se llega a un punto donde se junten todas las líneas que unen sombras y puntos, entonces la imagen será posible. Sin embargo, en las imágenes generadas por IA suelen presentar inconsistencias en este apartado, nuevamente como en el caso de las líneas paralelas, esto es difícil de apreciar globalmente, pero mediante técnicas forenses no es complicado de ver.

Reflejos

A la hora de crear imágenes en las que aparecen reflejos, la IA también muestra errores. Algunas veces estos sí que son obvios mostrando imágenes junto con reflejos que no corresponden y son fácilmente identificables. Sin embargo, esto no pasa en todos los casos, en ocasiones parecen estar bien alineadas, pero nuevamente, con un poco de análisis se puede distinguir que un punto y su reflejo no están correctamente representados, puesto que si se realiza esto, el conjunto de líneas que deben resultar de cada unión de punto y punto reflejado deben ser paralelas cuando se produce un reflejo.

Iluminación

La iluminación en una imagen se puede definir como una combinación lineal de 9 componentes distintas:

El objetivo es comparar los coeficientes que acompañan a estos 9 componentes en imágenes reales y en las generadas artificialmente. Para ello lo que se usa son piedras esféricas en jardines, esto permite diferenciar el contorno y trazar los vectores normales a la superficie para obtener unas ecuaciones de iluminación en todas las direcciones de la imagen. Este modelo es sencillo y eficiente, permite realizar un análisis forense preciso en términos de consistencia en la iluminación. En los resultados se muestran pequeñas diferencias entre los coeficientes de las imágenes reales y las artificiales. El más notable de
ellos siendo la diferencia en el término de segundo orden, el cual resulta significativamente mayor en las imágenes hechas por IA. La conclusión para extraer de este estudio es que, por el momento, el análisis forense aún resulta lo suficientemente bueno como para detectar las imágenes artificiales, sin embargo, los modelos de difusión avanzan a un ritmo elevado y no tardarán en conseguir que estas pequeñas inconsistencias dejen de aparecer en sus creaciones.

Subscríbete para estar al tanto de todas las novedades

Puedes subscribirte a nuestro blog para estar al tanto de todas las noticias relacionadas con el PROYECTO IVERES.

Gracias por tu confianza!

Subscríbete para estar al tanto de todas las novedades

Puedes subscribirte a nuestro blog para estar al tanto de todas las noticias relacionadas con el PROYECTO IVERES.

You have Successfully Subscribed!

Subscríbete para estar al tanto de todas las novedades

Puedes subscribirte a nuestro blog para estar al tanto de todas las noticias relacionadas con el PROYECTO IVERES.

You have Successfully Subscribed!