修图都是ai了?我拆了十张图找破绽的记录

修图都是ai了?我拆了十张图找破绽的记录
修图都是ai时代的拆图记录:放大镜下的招牌文字、影子方向和重复纹理四处破绽示意

我的判断是:修图都是ai参与之后,「看出修没修」这件事正在从娱乐变成日常技能。我挑了十个高赞场景图,一张张放大找破绽,七张有实锤。破绽集中在哪四个位置、哪些只能存疑不能定案,这篇全记下来。

修图都是ai之后,刷图的眼光就得换一套了。以前看一张图,第一反应是「拍得真好」,现在我的第一反应是「哪块是补的」。为了验证这个感觉靠不靠谱,我从几个社交平台挑了十张高赞的场景图——街景三张、美食两张、宠物两张、室内两张、还有一张旅拍,来源就不点了,拆图不为锤谁,为的是搞清楚破绽都长在哪里。结果比我预想的狠:十张里七张能找到至少一处实锤,剩下三张里有两张存疑。过程全记在这篇里。

十张图拆下来,破绽集中在这四个地方

文字招牌、影子方向、重复纹理、边缘光晕,是AI动图最容易露馅的四个位置。七张实锤图里,有五张的破绽落在前两类。

先说结果分布。四类破绽按出现次数排:文字招牌三处、影子方向两处、重复纹理两处、边缘光晕两处,还有一张占了三类。下面挑印象最深的几个说。

文字是重灾区。那张美食图,汤碗后面的木招牌上有个「面」字,笔画末端粘成了一团,放大看那个位置的字像被水泡过。另一张街景图更典型,店铺招牌上一行小字,每个字单独看都像字,连起来读不成句——这是AI填补背景时顺手重画了文字区域的典型症状。它知道那里「应该是字」,不知道字是什么。

影子是第二重灾区。那张宠物图,狗坐在下午的阳台上,狗的影子朝左,可旁边花盆的影子朝右。同一光源下两个方向,这种矛盾拍摄现场出不来,只有后期补元素才可能出现。室内那张更隐蔽:主光源在画面外右侧,桌上杯子的反光位置是对的,但杯子投在桌面的影子太淡了,淡到和反光亮度对不上。这种半截破绽,不逐个物体对光源根本看不出来。

重复纹理和光晕各说一个。旅拍图里的地砖,左下角有一块砖的裂纹和三米外另一块一模一样,连裂纹分叉的角度都一致,这是填补大块地面时素材复用的痕迹。光晕那张,被替换过的天空和楼宇交界处,楼顶轮廓有一圈发白的镶边,像小时候贴纸没贴牢露出的白边。

比识别更要紧的事:破绽能存疑,别急着定案

有些「破绽」其实拍摄时就存在,广角畸变、玻璃反光、老镜头暗角都能造出假破绽。拆图的结论只能到自己「存疑」,锤不到别人「造假」。

拆到第九张的时候,我差点犯错。那张室内图,窗框的横线在画面边缘明显外扩,我第一反应是「AI重建场景建歪了」,截了图准备当典型案例。睡觉前又看了一眼,不对,这是超广角镜头的桶形畸变,拍酒店房间的那种图全是这个形状。第二天我用自己手机的广角端拍了同构图的房间,窗框一样外扩。那条实锤,撤了。

这件事之后我给自己定了条规矩:破绽只能用来提醒自己多看一眼,不能用来当锤子。文字粘笔画、双光源矛盾这种可以往「动过手脚」的方向怀疑;畸变、反光、噪点不均匀这种,拍摄端就能解释。真要较真,去找原作者放出来的原图,或者看有没有带溯源声明的版本——现在有些创作者开始给图配「身份证」了,之前写过ai生图保真声明:给图配一张「身份证」,看到带声明的图反而踏实。

还有个数字值得记:十张图,我每张平均花六到八分钟,放大、对光源、找重复。这个成本决定了日常刷图不可能逐张拆。所以真正实用的是那四个位置的口诀——文字、影子、纹理、光晕,刷到存疑的图,眼睛先扫这四处,二十秒够用。

十张拆完,最大的收获倒不是识别技巧,是心态的变化。七张有实锤,听着吓人,可回头看我自己上周发的图,也有一张是抹掉了路人、补了半边天空的。修图都是ai的年代,大家都在动图,区别只是动得干不干净、说没说明白。识别破绽的意义不在抓谁个现行,在于别让自己的眼睛被随便糊弄,也别拿半截破绽去冤枉别人。下次刷到让你停顿一秒的图,先扫文字,再看影子。二十秒,多半有答案。

常见问题

手机上刷图和电脑上拆图,识别难度差多少?

差很多,手机屏幕小、压缩狠,光晕和文字破绽经常被压得看不出来。手机上只能先靠「哪里不对劲」的直觉标记,真要确认,把图保存下来放大看,很多破绽要放大到两倍以上才现形。

有没有工具能自动检测一张图有没有被AI处理过?

有检测工具,但准确率没到能当证据的程度,对轻度修图的误报漏报都不少。我目前的用法是自己拆,工具只当参考。四个位置的口诀加上一双愿意放大的眼睛,日常够用了。

AI修图和AI直接生成,破绽上怎么区分?

修过的图破绽是局部的,往往只有被改的那一小块不对,画面其他部分经得起推敲;整张生成的图破绽是全局的,透视、光线、物理逻辑会成体系地不靠谱。抓到一处破绽先判断它是点还是面,就能大致猜出这张图被动的有多深。

普通人有必要学这套识别方法吗?

看你怎么用图。纯娱乐刷图,会扫四个位置就够了;要做电商、要转载配图、要给公司挑素材的,这套功夫省的是后患,一张破绽图挂出去,解释成本比识别成本高得多。

延伸阅读