如何区分人工智能生成的图像与真实照片(下)

4 功能上的不合理性

AI 生成的图像往往会因为缺乏对现实世界物体结构和相互作用的了解,而产生各种功能不合理之处。这些不合理之处主要表现在以下几个方面:

4.1 构图不合理

物体关系不合逻辑: AI 生成的图像中,物体和人物之间的关系可能不符合现实世界的物理原理。例如,物体可能悬浮在空中,没有支撑;物体之间可能相互融合,无法分辨。

物体形态不符合实际: AI 生成的物体可能形态扭曲,无法使用。例如,楼梯可能一半消失在建筑物中,烤箱内部和炉灶顶部混合在一起,牙刷上的刷毛过多等。

4.2 功能失调的物体

物体无法正常使用: AI 生成的图像中,物体可能存在设计缺陷,无法正常使用。例如,手表从手臂中冒出来,时间显示方式不正常;羽毛球拍的手柄看起来像是断开的;扫帚的握把损坏,无法使用等。

4.3 细节渲染不合理

物体细节扭曲: AI 生成的图像中,物体的细节可能扭曲或失真。例如,运动器材和乐器上的弦可能排列不整齐,衣服上的小细节可能出现 glitch-like 的错误。

物体设计不典型: AI 生成的图像中,物体的设计可能不典型,不符合现实世界中的常见样式。例如,服装上的图案可能不对称,纽扣和搭扣的位置不正常等。

4.4 文本和标志

文本扭曲或无法识别: AI 生成的图像中,文本可能扭曲变形,无法识别,或者使用不存在的语言或词汇。

标志设计不合规: AI 生成的图像中,标志的设计可能不符合现实世界中的规范,或者出现拼写错误。

4.5 提示词过度拟合

提示词关键词过度体现: AI 生成的图像中,某些提示词关键词可能过度体现,或者以不常见的形态出现。例如,提示词中提到"条纹衬衫",图像中背景的壁纸也出现了大量条纹,而提示词中并没有提到背景。

4.6 识别功能不合理之处要点

  • 图像中的文本是否扭曲,是否包含非常规字形,或者有奇怪的拼写错误?
  • 图像中的物体看起来是否正确?
  • 物体是否以不寻常的方式出现在环境中?
  • 任何物体看起来是否无法正常工作,或者放置方式使它们无法正常工作?
  • 衣服上的印花、纽扣和扣子是否有非典型设计?
  • 物体的精细细节,如吉他的弦等,是否有扭曲或类似故障的人工痕迹?

5 违反物理定律

AI 生成的图像有时会出现违反物理定律的现象,主要体现在以下几个方面:

5.1 光照和阴影

阴影方向不一致: AI 生成的图像中,阴影的方向可能不一致,或者与光源方向不符。例如,一个物体的阴影可能指向一个方向,而另一个物体的阴影指向另一个方向。

阴影形状不符合光源: AI 生成的图像中,阴影的形状可能不符合光源的形状。例如,太阳光照射下的物体阴影应该是平行线,但 AI 生成的图像中,阴影的形状可能是弯曲的。

阴影的位置不正确: AI 生成的图像中,阴影的位置可能不正确,或者与物体的位置不符。例如,一个物体在背景中的阴影可能出现在物体前面。

5.2 反射

反射物与实际场景不符: AI 生成的图像中,反射物(如镜子、水面、金属物体等)反射的图像可能不符合实际场景。例如,一个人站在镜子前,但镜中反射的图像却是他站在镜子后面的样子。

反射物中的细节扭曲: AI 生成的图像中,反射物中的细节可能扭曲或失真。例如,镜子中反射的桌子线条可能与实际的桌子线条不一致。

5.3 深度和透视

图像出现扭曲: AI 生成的图像中,图像可能出现扭曲,例如,直线看起来像是弯曲的。

深度和透视问题: AI 生成的图像中,深度和透视可能存在问题,例如,物体的比例不正确,或者物体的轨迹不符合实际。

透视失真: AI 生成的图像中,透视可能失真,例如,物体的大小与实际不符,或者物体的位置看起来不正确。

5.4 识别违反物理定律要点

  • 图像中的任何阴影是否与其光源不一致?
  • 图像中的多个阴影是否指向不同的方向?
  • 你注意到图像中有任何弯曲吗?
  • 场景中的路径或轨迹是否看起来不自然或不合理?
  • 图像中是否有任何反射表面?如果有,放大查看反射 - 这些反射是否与周围世界一致?

6 社会文化不合理之处

6.1不可能的场景

与现实脱节: AI 生成的图像可能描绘一些在现实生活中不可能出现的场景,例如,名人穿着不寻常的服装或从事不可能的活动。

社会规范不符: AI 生成的图像可能违反社会规范,例如,在正式场合穿着浴衣或拥抱不常见。

公共人物行为异常: AI 生成的图像可能描绘公共人物做出不符合他们一贯行为或价值观的事情,例如,政治领导人做出不合适的表情或姿势。

6.2不合适的情况

将不同情境的元素混合: AI 生成的图像可能将来自不同情境的元素混合在一起,例如,将办公室场景与穿着儿童服装的人物混合在一起。

不适当的服装: AI 生成的图像可能描绘人物穿着不适当的服装,例如,在葬礼上穿着比基尼或参加正式活动时穿着小丑服装。

不合适的表情和动作: AI 生成的图像可能描绘人物做出不合适的表情或动作,例如,在专业场合摆出随意的姿势或在严肃的场合做出滑稽的表情。

6.3违反文化规范

文化细节错误: AI 生成的图像可能包含错误的文化细节,例如,描绘特定文化的人物穿着不合适的服装或使用不正确的手势。

文化误解: AI 生成的图像可能对文化存在误解,例如,将来自不同文化的人物混合在一起,或者将文化元素错误地组合在一起。

6.4历史不准确

描绘虚假的历史场景: AI 生成的图像可能描绘虚假的历史场景,例如,将历史人物描绘成不符合历史事实的样子,或者将历史事件描绘成从未发生过的事情。

6.5 识别社会文化不合理要点

  • 图像是否描绘了一个不太可能的场景?
  • 图像是否显示人们的行为不适当或做一些他们通常不会做的事情?
  • 图像中的情况是否违反了特定文化中的规范?
  • 如果图像中有公众人物,图像是否违反了已知的历史事实?
相关推荐
Struart_R3 分钟前
LVSM: A LARGE VIEW SYNTHESIS MODEL WITH MINIMAL 3D INDUCTIVE BIAS 论文解读
人工智能·3d·transformer·三维重建
lucy153027510794 分钟前
【青牛科技】GC5931:工业风扇驱动芯片的卓越替代者
人工智能·科技·单片机·嵌入式硬件·算法·机器学习
幻风_huanfeng31 分钟前
线性代数中的核心数学知识
人工智能·机器学习
volcanical39 分钟前
LangGPT结构化提示词编写实践
人工智能
weyson1 小时前
CSharp OpenAI
人工智能·语言模型·chatgpt·openai
RestCloud1 小时前
ETLCloud异常问题分析ai功能
人工智能·ai·数据分析·etl·数据集成工具·数据异常
IT古董2 小时前
【机器学习】决定系数(R²:Coefficient of Determination)
人工智能·python·机器学习
鲜枣课堂2 小时前
5G-A如何与AI融合发展?华为MBBF2024给出解答
人工智能·5g·华为
武子康3 小时前
大数据-213 数据挖掘 机器学习理论 - KMeans Python 实现 距离计算函数 质心函数 聚类函数
大数据·人工智能·python·机器学习·数据挖掘·scikit-learn·kmeans
武子康3 小时前
大数据-214 数据挖掘 机器学习理论 - KMeans Python 实现 算法验证 sklearn n_clusters labels
大数据·人工智能·python·深度学习·算法·机器学习·数据挖掘