Métodos de Análise
Nossa tecnologia combina visão computacional clássica com novos algoritmos forenses para detectar os resquícios matemáticos deixados por modelos generativos. Não analisamos apenas a imagem, analisamos a física por trás dela.
Equivariância
Análise de comportamento sob rotação e translação
No mundo físico, quando você gira um objeto, a luz e as sombras mudam de forma complexa, mas a estrutura se mantém coerente fisicamente. Modelos de IA, por serem treinados em 2D, muitas vezes falham em manter essa coerência tridimensional ou, ao contrário, criam uma rigidez artificial.
Indicadores Técnicos
- Real: Bordas e microtexturas se redistribuem organicamente ao girar a imagem.
- Sintético: A estrutura acompanha a transformação de forma rígida e "perfeita" demais, sem a distorção natural da lente.
- O que buscamos: Coerência excessiva ou falhas geométricas que violam a perspectiva 3D.
Gradiente de Iluminação
Como a intensidade da luz varia pixel a pixel
O gradiente mede a transição suave entre luz e sombra. Sensores de câmera produzem gradientes com ruído natural devido à difração da luz. IAs geradoras tendem a "desenhar" sombras e luzes com matemática pura, criando transições limpas demais.
Indicadores Técnicos
- Real: Transições de luz são difusas, irregulares e contêm ruído do sensor.
- Sintético: Contornos e linhas de sombra parecem "desenhados", com opacidade artificial.
- O que buscamos: A ausência do caos natural na dissipação da luz sobre as superfícies.
Microtexturas e Ruído
A assinatura invisível do sensor e do material
Toda foto digital tem granulação (ruído ISO) e texturas imperfeitas de pele, tecido ou parede. IAs aplicam um "embelezamento" matemático, repetindo padrões de textura para preencher espaços, criando uma uniformidade que não existe na natureza.
Indicadores Técnicos
- Real: Ruído orgânico, caótico e não uniforme em toda a imagem.
- Sintético: Suavização excessiva ("pele de boneca") e padrões de textura que se repetem artificialmente.
- O que buscamos: Regiões onde a textura é matematicamente idêntica, indicando clonagem algorítmica.
Espectro de Frequência
Análise de Fourier e padrões de banda
Transformamos a imagem em frequências de onda. Imagens reais possuem uma distribuição de energia caótica. Imagens geradas por redes neurais convolucionais (CNNs) deixam "cicatrizes" no espectro, visíveis como pontos brilhantes ou grades.
Indicadores Técnicos
- Real: Energia distribuída de forma irregular e decrescente.
- Sintético: Organização anômala, pontos de alta energia simétricos e "bandas" artificiais.
- O que buscamos: Assinaturas de frequência típicas do processo de upscaling (aumento de resolução) da IA.
Erro Persistente (PRNU)
Forçando o pixel a falhar para revelar sua origem
Técnica forense avançada onde introduzimos ruído controlado na imagem para ver como ela reage. Em capturas reais, o erro se comporta de forma aleatória. Em IAs, o "erro" muitas vezes revela a estrutura latente do modelo gerador.
Indicadores Técnicos
- Real: O erro introduzido se dissipa e se mistura ao ruído natural.
- Sintético: O erro se estabiliza em formas circulares ou controladas, expondo a "grade" da rede neural.
- O que buscamos: Persistência de padrões de erro incompatíveis com a física óptica.
Blocos (PiXador)
Inconsistência estatística local
O método PiXador divide a imagem em blocos e analisa a coerência estatística entre eles. IAs geram imagens bloco a bloco ou em patches, e muitas vezes deixam falhas de continuidade nas fronteiras desses blocos.
Indicadores Técnicos
- Sintético: Tende a manter coerência artificial dentro de um bloco, mas falha na transição para o vizinho.
- Sinal: Áreas onde blocos de pixels "brancos/estáveis" se aglomeram sobre regiões complexas (como rostos).
- O que buscamos: Incompatibilidade física localizada que sugere montagem algorítmica.