光学与透视
渐进虚化、像差、透视线、对焦平面。真正的焦段有一套精确的规律:如果对不上,这就是第一道裂缝。
关于我们
全球最先进的图像解码平台
现有的分析工具读取一张照片的源码,给出的答案大致是「是」或「否」。
但一张生成的图片如果被重新拍摄、扫描,或者以画中画的方式截取,就会丢失源码——如果做得足够好,这类检测便无法将它与真实照片区分开来。我们需要的是一种能像训练有素的眼睛那样阅读图像的方法:看材质、看光线、看阴影。
于是,为什么不把历史上最优秀的摄影师们的判断力汇聚在一起,让它们协同推理?Uthentic——基于专有代码 GuastoniUnmask——融合了多个互相印证的引擎,每一个都专注于阅读照片的某一个层面:材质、皮肤、光线、纹理、光学、解剖结构、文件数据。最终得到的是一份分层的、可确定性重现的报告,而不是一个只能凭信任接受的数字。
解读一张图像的各个层面
材质与颗粒
皮肤纹理、织物、表面。真实的皮肤有不规则的微观纹理;合成的皮肤则往往融合成一种均匀、近乎打蜡的质感。GuastoniUnmask 正是读取这一层:皮肤微观纹理与色素逆光反应的一致性。
光线与拍摄
光源是可辨识还是弥散的,阴影是分层还是扁平的,眼睛里的反光是否一致。GuastoniUnmask 会核对皮肤色素的逆光反应是否与环境反射光相匹配;过于均匀的反光正是生成模型最常暴露的破绽之一。
解剖结构与几何关系
手、手指、关节、面部透视:这些正是 AI 至今仍会出错的地方。
像素结构与频率
GAN 与扩散模型留下的微观印记,肉眼无法察觉。
文件的局部完整性
区分一张真实但被修过的照片——剪切粘贴、克隆、移除物体——与一张从一开始就是合成的图片。这是两回事,Uthentic 从不混淆。
不止于结论:器材、二次翻拍、模型归属
Uthentic 会估算可能使用的拍摄器材——相机、镜头、拍摄参数——并给出明确标注的可归因指数。它会核实二次翻拍的可能性:照片或屏幕被重新拍摄,以掩盖最初生成的痕迹。当图片确系生成时,还会说明最可能出自哪个模型家族——Midjourney、GPT-Image、Stable Diffusion——并为每一个推断给出理由。
每一个信号、每一处可疑区域、每一个参与判断的引擎,最终都汇总成一个经过校准的可信度指标,并公开标注误差范围和各模型之间的一致程度。当证据相互矛盾时,Uthentic 会如实说明,而不是硬凑一个让人安心的数字。引擎融合方式已在一个可重复的测试集上验证,共 10,179次测试,其中专门有一类是经过后期处理的真实照片。
真正用得上的场景
- 新闻业
- 保险
- 媒体
- 出版
- 法律与取证证据
任何需要在一件事成为决定、新闻或呈堂证据之前,先确认它是否真实的场合。Uthentic 会把这一切汇总为一份带二维码与取样细节的 PDF 取证分析报告。