Как определить, что фото сгенерировано нейросетью: признаки и сервисы

Почему стало сложно отличить ИИ-изображение от реального фото

Современные нейросети, такие как MidJourney, DALL-E и Stable Diffusion, научились создавать изображения, которые на первый взгляд неотличимы от фотографий. Ещё год-два назад артефакты генерации бросались в глаза, но сегодня алгоритмы исправляют большинство типичных ошибок. Тем не менее, полного совершенства пока нет. Нейросети не понимают законов физики, анатомии и логики — они лишь комбинируют изученные паттерны. Поэтому при внимательном анализе можно найти признаки, выдающие искусственное происхождение картинки.

Умение распознавать ИИ-контент становится важным навыком для журналистов, модераторов контента, дизайнеров и обычных пользователей. Фейковые изображения могут использоваться для дезинформации, создания поддельных документов или введения в заблуждение. В этой статье мы разберём визуальные и технические признаки, а также рассмотрим специализированные сервисы-детекторы.

Анатомические ошибки: руки, глаза, зубы и другие детали

Одна из самых заметных слабостей нейросетей — неправильная передача анатомии человека. Хотя с каждым обновлением модели становятся точнее, ошибки всё ещё встречаются.

Руки и пальцы. Долгое время лишние или искривлённые пальцы были главным маркером ИИ. Сейчас нейросети научились рисовать руки лучше, но при увеличении можно заметить неестественное количество пальцев, неправильные пропорции или странные сочленения. Иногда пальцы срастаются или, наоборот, расположены под невозможным углом.

Глаза. Зрачки часто имеют неправильную форму — круглую вместо овальной, а радужка выглядит как плоский цветной круг. Блики и отражения в глазах могут не совпадать с источником света на изображении. Нередко зрачки смотрят в разные стороны, создавая эффект косоглазия.

Зубы. На сгенерированных фото зубной ряд часто выглядит как сплошная линия без зазоров. Иногда зубов слишком много, они слишком крупные или асимметричные. Возможно слияние зубов с губами или деснами.

Уши. Внутренняя структура уха может быть упрощена, а серьги — отличаться по форме или крепиться в разных местах.

Волосы. Волосы на ИИ-изображениях часто выглядят как хаотичные мазки, без чёткой структуры. Отдельные пряди могут располагаться в неестественных местах, а вокруг причёски иногда виден странный ореол.

Кожа. Тон кожи бывает неестественно ровным, без пор и текстуры. Однако такой же эффект может дать профессиональная ретушь, поэтому этот признак не является абсолютным.

Форма лица. В реальности лицо человека асимметрично. Нейросети часто рисуют идеально симметричные лица, что неестественно. Или, наоборот, допускают чрезмерную асимметрию — глаза разного размера, одно ухо больше другого.

Проблемы с освещением, тенями и перспективой

Нейросети плохо понимают физику света. Это приводит к характерным ошибкам.

Тени. Тень может падать в сторону, противоположную источнику света, или вообще отсутствовать там, где должна быть. На изображениях с несколькими объектами тени часто не согласованы друг с другом.

Отражения. Отражения в зеркалах, очках, витринах или зрачках часто не соответствуют реальной сцене. Они могут быть искажены, смещены или отсутствовать.

Блики. Количество и расположение бликов на блестящих поверхностях может быть неестественным — слишком много или слишком мало.

Перспектива. Глубина и перспектива часто выглядят искажённо. Объекты могут быть неестественно растянуты или сжаты, а линии, которые должны быть параллельными, — сходиться под странным углом. Особенно это заметно на архитектурных элементах.

Повторяющиеся элементы и неестественные текстуры

Ещё один характерный признак — повторение одинаковых фрагментов.

Повторы узоров и текстур. Нейросети могут копировать один и тот же элемент несколько раз, особенно на фоне или в мелких деталях. Например, листья на дереве могут быть идентичными, или плитка на полу — повторяться без вариаций.

Толпа. При генерации группы людей нейросеть часто делает все лица похожими друг на друга, особенно если в промпте указана известная личность. Также могут появляться лишние руки, ноги или искажённые лица у людей на заднем плане.

Текстуры. Искусственные изображения могут иметь неестественную гладкость там, где должна быть текстура (например, поверхность воды или травы), или наоборот — излишнюю детализацию. Фон часто бывает абстрактным или чрезмерно размытым, чтобы скрыть ошибки.

Текстовые ошибки и несоответствие контексту

Текст на изображениях — одно из самых слабых мест нейросетей.

Ошибки в надписях. Нейросеть воспринимает текст как часть картинки, поэтому буквы могут быть искажены, переставлены местами или просто нечитаемы. Особенно это заметно на вывесках, дорожных знаках, этикетках. Даже если общее качество изображения высокое, текст часто выдаёт искусственное происхождение.

Несоответствие контексту. Нейросети могут допускать исторические или логические ошибки. Например, на изображении, стилизованном под XIX век, может появиться современный предмет. Или одежда персонажа не соответствует эпохе. Также возможны невозможные с точки зрения физики формы — архитектурные конструкции, которые не могут существовать, или предметы, парящие в воздухе без опоры.

Технические признаки: метаданные и обратный поиск

Помимо визуального анализа, существуют технические методы проверки.

Метаданные (EXIF). Реальные фотографии, сделанные камерой, содержат метаданные: модель камеры, дату, время, координаты, настройки съёмки. У сгенерированных изображений этих данных обычно нет. Однако метаданные могут быть удалены при публикации в интернете, а некоторые форматы (например, PNG) их не поддерживают. Для проверки можно использовать сервисы вроде ExifTool или Metadata++.

Обратный поиск по изображению. Загрузите картинку в Google Images, Яндекс.Картинки или TinEye. Если изображение было сгенерировано нейросетью, вы, скорее всего, не найдёте его исходник. Если же это реальное фото, поиск покажет другие страницы, где оно использовалось. Отсутствие результатов — повод заподозрить ИИ-генерацию.

Обзор сервисов-детекторов ИИ-изображений

Специализированные сервисы используют нейросети для анализа изображений и выявления признаков генерации. Важно понимать: ни один детектор не даёт 100% гарантии, и результаты могут быть ошибочными. Однако они полезны для массовой проверки.

AI or Not (aiornot.com). Бесплатный сервис, поддерживающий форматы JPEG, PNG, WebP, GIF, TIFF, BMP (до 10 МБ). Анализирует изображение на наличие артефактов, характерных для генеративных моделей. Выдаёт однозначный ответ: да/нет. В тестах показал хорошую точность, но может ошибаться на изображениях низкого разрешения или работах новых версий нейросетей.

Illuminarty (illuminarty.ai). Использует глубокое обучение для анализа. Лучше всего распознаёт изображения MidJourney, DALL-E и Stable Diffusion. Проверяет цветовую согласованность, шумовые паттерны, артефакты сжатия. Однако в тестах иногда ошибочно маркировал реальные фото как ИИ-генерацию (например, дал 91% вероятности для фотографии шоколада).

Hive AI Detector. Расширение для Google Chrome. Работает быстро (2-3 секунды), показывает вероятность в процентах и указывает наиболее вероятный источник (DALL-E, MidJourney и др.). Удобен для проверки изображений прямо на сайтах. В тестах точность оказалась нестабильной: иногда правильно определял реальные фото, иногда пропускал явные ИИ-изображения.

Content at Scale AI Image Detector. Бесплатный онлайн-сервис. Обучался на более чем 2 миллионах образцов. Работает по принципу поиска соответствия в базе данных. В тестах показал низкую точность, ошибочно маркируя реальные фото как ИИ-генерацию. Разработчик обещает точность до 99% в идеальных условиях, но на практике сервис пока сырой.

Вывод по детекторам. Лучшие результаты в тестах показали AI or Not и Hive AI Detector, но даже они не идеальны. Детекторы стоит использовать как дополнительный инструмент, а не единственный критерий.

Пошаговый план проверки изображения на ИИ-генерацию

Чтобы минимизировать ошибки, используйте комплексный подход.

1. Визуальный осмотр. Увеличьте изображение и проверьте: руки, глаза, зубы, волосы, кожу. Обратите внимание на тени, отражения, блики. Ищите повторяющиеся элементы и неестественные текстуры. Проверьте текст на вывесках и этикетках.

1. Анализ контекста. Оцените, соответствует ли изображение здравому смыслу: нет ли исторических или логических ошибок, правильны ли пропорции тела, естественна ли перспектива.

1. Проверка метаданных. Скачайте файл и откройте его свойства. Если есть EXIF-данные с информацией о камере — это, скорее всего, реальное фото. Отсутствие метаданных — подозрительный признак, но не доказательство.

1. Обратный поиск. Загрузите изображение в Google Images или TinEye. Если найдёте источник — изучите контекст. Если результатов нет — это повод для сомнений.

1. Использование детектора. Загрузите изображение в один или несколько сервисов (AI or Not, Hive AI Detector). Сравните результаты. Помните, что детекторы могут ошибаться.

1. Комплексная оценка. Если большинство признаков указывает на ИИ-генерацию, можно сделать вывод с высокой вероятностью. Если признаки противоречивы — лучше воздержаться от однозначного заключения.

Ограничения и точность детекторов: почему нельзя полагаться только на сервисы

Сервисы-детекторы — полезный, но несовершенный инструмент. Их точность зависит от множества факторов.

Ошибки первого рода (ложные срабатывания). Детектор может маркировать реальное фото как ИИ-генерацию. Это происходит, если изображение имеет необычные текстуры, сильную ретушь или нестандартное освещение. Например, профессиональные фотографии с идеальной кожей или абстрактные снимки часто ошибочно распознаются как ИИ.

Ошибки второго рода (пропуск цели). Детектор может не распознать изображение, сгенерированное новой версией нейросети. Модели постоянно совершенствуются, и детекторы не успевают за ними. Кроме того, изображения, прошедшие дополнительную обработку (фильтры, сжатие, ресайз), могут быть не распознаны.

Зависимость от обучающей выборки. Детекторы обучаются на определённом наборе данных. Если изображение создано моделью, которая не входила в обучающую выборку, точность падает. Например, Illuminarty лучше всего распознаёт MidJourney, DALL-E и Stable Diffusion, но может хуже работать с другими моделями.

Рекомендация. Используйте детекторы как один из инструментов в комплексе с визуальным анализом и проверкой метаданных. Не делайте выводы на основе одного сервиса.

Вопросы и ответы