AI Image Detector

检查人工智能生成的图像并纳入社区反馈

请考虑在 Patreon 或 Ko-fi 上支持该项目，我们非常感谢任何和所有的支持！

🎉 自动图像分析回来了！感谢您在我们改进基础设施期间的耐心等待！ 🎉

此扩展使您能够在正常浏览的同时分析图像并检查它们是否是 AI 生成的。您可以将扩展配置为在浏览页面时自动检查图像，或使用右键单击菜单手动分析图像。

此外，如果检测器最初错误（或者当检测器正确时，如果您想验证结果），您可以将图像报告为真实图像或人造图像。如果有足够多的用户报告了图像，则扩展程序将跳过分析，而是向您显示社区报告的图像内容以及报告数量。

随着用户报告越来越多的图像，检测器将继续从这些报告中学习并随着时间的推移进行改进。您可以选择不提供培训图像，同时仍报告它们；您的报告仍将像往常一样被记录并与社区共享，但图像不会添加到探测器的训练数据中。

可配置性
可以使用以下配置选项：

- 切换自动图像分析
- 单独切换每个站点或全局的自动分析
- 用于自动分析私人图像的单独切换
- 自动分析完成后调整图像顶部显示的指示器的位置
- 切换当您报告图像时是否将图像上传到探测器的训练数据
- 有关如何使用这些数据的更多信息，请参阅隐私部分
- 报告时上传私人图像的单独开关

它是如何运作的
分析图像的过程如下：

- 检查用户之前是否举报过该图片。如果是这样，请向他们展示原始报告，否则请继续查看社区报告。
- 检查社区是否举报了该图片。如果是，请显示社区已报告的内容以及已提交的报告数量，否则继续分析。
- 使用探测器的分类模型分析图像。显示模型该图像是 AI 的确定性百分比。

检测器的分类模型是根据 Microsoft 的 Swin v2 视觉转换器进行微调的。它已经接受了从各种 AI 艺术/图像社交媒体页面收集的超过 45 万张图像的训练。该模型已使用一组独立的 +45k 图像进行测试，准确度为 +97%。该模型不断接受新图像的训练，随着时间的推移，其准确性将不断提高，但总会有一些失误。这就是为什么社区反馈如此重要！

数据隐私
AI 图像检测器处理使用数据和训练数据。为每种类型的数据提供单独的隐私政策：

使用数据
分析过程中使用的图像数据永远不会被存储，并且不会保留用户分析过哪些图像（包括其 URL）的日志。仅当用户报告图像并且启用了上传报告图像的选项时，才会存储图像数据。用户报告的图像是通过其数据签名而不是图像本身来跟踪的。数据签名不能用于重新创建原始图像。

用户电子邮件仅用于登录，作为防止滥用的措施，例如批量误报图像。用户电子邮件永远不会与第三方共享（不包括为检测器服务提供支持的云服务提供商）。用户帐户和报告使用从其电子邮件生成的签名进行跟踪，该签名无法转换回原始地址。这就是为什么 AI 图像检测器的所有新闻和公告都将通过扩展本身或项目的 GitHub 页面分发。

训练数据
如果任何人同意不使用探测器的训练数据来训练生成人工智能模型，那么任何人都可以免费访问探测器的训练数据。然而，诸如探测器所使用的分类模型是允许的。这是为了避免无意中促成更难以检测的人工智能图像生成器的开发以及真实人们的创意作品/财产的盗窃。您可以在 Hugging Face 上找到检测器训练数据。

作为训练数据存储的图像使用与用户可能对该图像所做的任何报告不同的数据签名进行跟踪。这确保用户报告不能与训练数据中的任何图像相关联。这在用户的使用数据和检测器训练数据之间提供了额外的隐私保护层。

开源
AI 图像检测器是完全开源的。欢迎和鼓励反馈、贡献和错误报告。

贡献
您可以在此处浏览该项目并为该项目做出贡献：

- https://github.com/haywoodsloan/ai-image- detector
- https://huggingface.co/datasets/haywoodsloan/ai-images
- https://huggingface.co/haywoodsloan/ai-image- detector-deploy

反馈
请将任何反馈、请求和错误报告提交至 GitHub 问题跟踪器。