Ficha de calidad
Ficha de calidad
Ficha de calidad. Face swap con IA en el navegador para fotos, lotes, mapas de grupos, vídeo y GIF con permiso. Conteúdo localizado: es. Comparación con fuentes verificadas.
Guía práctica
Ficha de calidad
Esta página explica Ficha de calidad en español: propósito, límites y verificación. El contenido revisado conserva los hechos, números, enlaces y fuentes; usa solo medios autorizados.
Comparación con fuentes verificadas: Face swap con IA en el navegador para fotos, lotes, mapas de grupos, vídeo y GIF con permiso.
Respuesta directa
Una puntuación de calidad de intercambio de rostros necesita criterios visibles y un límite de evidencia
Esta tarjeta de puntuación estructura una revisión humana de una salida específica. No inspecciona un rostro biométricamente, predice un resultado no visto ni convierte una muestra favorable en una afirmación sobre un modelo o proveedor completo.
Evaluación interactiva
Puntúe una salida con el mismo estándar
Elija el tipo de medio, complete las compuertas, califique cada criterio aplicable y mantenga una nota de evidencia breve para cualquier cosa que otro revisor debería poder encontrar.
Anclas de calificación
Usa el mismo significado de 0 a 4 para cada criterio
La escala describe el defecto más fuerte observado en el material muestreado para ese criterio. No es una puntuación de confianza, probabilidad ni medición biométrica.
| Calificación | Ancla | Definición |
|---|---|---|
| 0 | Unusable | Un fallo o defecto grave impide el uso previsto. |
| 1 | Major defect | Un defecto claramente visible domina la visualización normal. |
| 2 | Noticeable defect | Un defecto sigue siendo fácil de notar y requiere corrección específica. |
| 3 | Minor defect | Un defecto pequeño es visible al revisar, pero no domina la visualización normal. |
| 4 | No material defect observed | No se observó ningún defecto material en la salida muestreada para este criterio. |
Dimensiones de la rúbrica
Los pesos son explícitos y el movimiento solo se puntúa cuando existe movimiento
Video y GIF utilizan los 100 puntos de peso base. Foto excluye la estabilidad temporal y normaliza los 90 puntos restantes a un resultado de 100 puntos.
| Criterio | Peso base | Medio | Pregunta de revisión |
|---|---|---|---|
| Preservación de identidad | 24% | foto, video, gif | ¿Los ojos visibles, cejas, nariz, boca, mandíbula, indicios de edad e identidad general se mantienen coherentes con la referencia prevista? |
| Face boundary and blend | 16% | foto, video, gif | ¿La textura de la piel, los bordes del rostro, las orejas, la mandíbula, la línea del cabello y el cuello se integran en la escena objetivo sin un límite superpuesto? |
| Coherencia de pose y expresión | 14% | foto, video, gif | ¿La geometría facial se mantiene coherente con el ángulo de la cabeza objetivo, la mirada, el estado de los ojos, la forma de la boca y la expresión? |
| Continuidad de iluminación y color | 14% | foto, video, gif | ¿La exposición, el color, el sombreado de la piel, los brillos y las sombras se mantienen consistentes con la escena objetivo? |
| Continuidad de oclusión y accesorios | 12% | foto, video, gif | ¿El cabello, las manos, las gafas, las mascarillas, los micrófonos, los objetos en primer plano y otras oclusiones permanecen en el orden visual correcto? |
| Integridad técnica | 10% | foto, video, gif | ¿La salida está libre de desenfoque material, anillos, artefactos de bloqueo, desgarros, características duplicadas, cambios abruptos de textura o fotogramas dañados? |
| Estabilidad temporal | 10% | video, gif | A lo largo del movimiento, ¿la identidad permanece estable sin parpadeo, deriva, pérdida del rostro, cambios repentinos de geometría o una costura de bucle visible? |
Descargar el protocolo reutilizable
El JSON contiene la escala completa, compuertas, criterios, fórmula, bandas de decisión, límites de evidencia, licencia y referencias. El CSV es una plantilla de revisión en blanco de siete filas, y el archivo BibTeX proporciona una cita estable.
Mapa de referencia automatizado
Las métricas de calidad de intercambio de rostros responden a diferentes preguntas
Un punto de referencia defendible mantiene separados la transferencia de identidad de origen, la preservación de atributos objetivo, el realismo de distribución de imágenes y videos, el comportamiento fotograma a fotograma, la evaluación solo de salida y la revisión humana. El mapa de decisión versionado nombra lo que compara cada familia y el protocolo necesario antes de que un valor pueda ser interpretado.
| Medida | Compara | Uso | Límite |
|---|---|---|---|
| Recuperación de identidad o similitud de incrustaciones | Identidad de origen versus la salida intercambiada, utilizando un codificador facial nombrado o una galería de origen. | ¿Con qué fuerza retiene la salida la evidencia de identidad de origen bajo el evaluador fijo? Una mayor similitud o rendimiento de recuperación suele ser mejor dentro del mismo protocolo. | El codificador, recorte, galería, demografía, umbral y preprocesamiento afectan el valor. No es un veredicto biométrico para una sola persona. |
| Estabilidad de similitud de identidad fotograma a fotograma | La secuencia de similitudes de identidad de origen a salida en los fotogramas de salida detectados bajo un codificador facial nombrado. | ¿Permanece estable la evidencia de identidad de origen a medida que cambian la pose, expresión, oclusión y condiciones de la escena a lo largo del tiempo? Una menor dispersión puede indicar una mayor estabilidad solo cuando la similitud de identidad media o el resultado de recuperación se informa junto a ella. | Una identidad consistentemente incorrecta puede tener baja varianza. La dispersión no puede reemplazar la similitud media o la recuperación, y los valores no son portables entre codificadores o tuberías de fotogramas. |
| Error de pose y expresión | Estimaciones de pose o expresión objetivo versus la salida intercambiada bajo un estimador nombrado. | ¿Qué tan cerca preserva la salida la pose de la cabeza y la expresión objetivo bajo el estimador fijo? Un error menor suele ser mejor dentro del mismo estimador y parametrización. | Los valores no son portables entre diferentes estimadores, recortes, espacios de parámetros, convenciones de puntos de referencia o tuberías de preprocesamiento. |
| Frechet Inception Distance (FID) | Una distribución de imágenes o fotogramas generados versus una distribución de referencia documentada. | ¿Qué tan cercanas son dos distribuciones de características bajo el extractor de características fijo y el protocolo de muestreo? Un valor más bajo es mejor solo dentro del mismo conjunto de datos, extractor, preprocesamiento y protocolo de muestra. | Una sola salida de intercambio de rostros no puede tener un FID defendible porque una sola imagen no es una distribución. FID no aísla la corrección de identidad. |
| Frechet Video Distance (FVD) | Una distribución de clips de video generados versus una distribución de clips de referencia documentada bajo un extractor de características de video nombrado. | ¿Qué tan cercanas son las distribuciones de características de video generadas y de referencia bajo un protocolo de muestreo de clips fijo? Un valor más bajo es mejor solo dentro del mismo conjunto de datos, extractor de características, duración del clip, tasa de fotogramas, preprocesamiento y protocolo de muestra. | Un clip de salida no es un resultado FVD defendible a nivel de distribución. FVD no aísla la identidad de origen, la preservación de atributos objetivo, la sincronización de labios ni un defecto temporal específico. |
| Consistencia del sujeto y el fondo | Consistencia de características entre fotogramas de salida y contra fotogramas anteriores, objetivo o de referencia. | ¿Qué tan estables son las características del sujeto y del fondo a través del movimiento bajo el protocolo de video fijo? Una mayor consistencia suele ser mejor bajo la misma implementación. | La consistencia por sí sola no puede establecer un mapeo de identidad correcto, realismo visual, precisión de movimiento o preparación para publicación. |
| Diagnósticos de mirada, apertura de ojos, sincronización de labios y movimiento | Comportamiento nombrado de ojos, audio-labios, puntos de referencia o flujo óptico entre secuencias objetivo y de salida. | ¿Qué atributos dinámicos objetivo específicos permanecen sincronizados a través del video generado? La dirección y la unidad dependen del diagnóstico nombrado; informe cada uno por separado. | Estos diagnósticos no son intercambiables, necesitan un protocolo de video documentado y no se aplican a todos los tipos de medios. |
| Evaluación de calidad sin referencia aprendida | La salida sola, evaluada por un modelo entrenado con juicios humanos clasificados o datos de calidad etiquetados. | ¿Cómo clasifica un evaluador entrenado la calidad visible de la salida cuando no hay medios de referencia explícitos disponibles? La dirección depende de la salida del modelo; valídelo en una distribución de exclusión documentada. | El rendimiento depende de los datos de entrenamiento y el alcance de la validación. Una puntuación solo de salida no puede establecer por sí misma una transferencia correcta de identidad de origen. |
| Tarjeta de puntuación humana estructurada | Una salida visible contra anclajes de defectos explícitos, compuertas de publicación y notas del revisor. | ¿Qué defectos visibles o compuertas de uso no resueltas observa un revisor en esta salida específica? Use calificaciones ordinales ancladas; no reinterprete el resultado como una probabilidad o puntuación biométrica. | Evidencia subjetiva sobre la muestra revisada, no precisión del modelo, clasificación del proveedor, probabilidad o similitud biométrica. |
Los protocolos de referencia publicados no son intercambiables
El cuadro de correspondencia a continuación registra solo las configuraciones descritas por los documentos principales. No copia sus tablas de resultados, afirma que cada conjunto de datos es descargable, ni convierte valores de diferentes evaluadores en una tabla de clasificación.
| Protocolo y fuente | Unidad de comparación | Medidas informadas | Límite de comparabilidad |
|---|---|---|---|
| CASIA FaceSwapping | Pares de video fuente-objetivo ensamblados bajo tres protocolos de aislamiento de factores. Normal: 4500 pares no superpuestos del mismo grupo étnico de grabaciones normales. Entre etnias: 1200 pares que abarcan ambas direcciones entre grupos asiáticos, africanos y caucásicos. Entre atributos: 4300 pares que abarcan variaciones normales y de pose, expresión o iluminación en ambas direcciones. | recuperación de identidad, similitud de identidad, error de pose, error de expresión, FID, consistencia del sujeto, consistencia del fondo. No se resume ningún protocolo de revisión humana en este cuadro de correspondencia. | Los tres segmentos aíslan diferentes factores dentro de la configuración de CASIA. Sus valores dependen de la construcción de pares, modelos, extractores de características, resoluciones y agregación de ese documento. |
| IDBench-V | 200 pares de video fuente e imagen objetivo del mundo real informados en el documento. Un conjunto de evaluación de 200 pares que cubre rostros pequeños, poses extremas de cabeza, oclusiones severas, expresiones complejas o dinámicas y escenas multitudinarias desordenadas. | Similitud de identidad ArcFace, similitud de identidad InsightFace, similitud de identidad CurricularFace, varianza de similitud de identidad fotograma a fotograma, error de pose, error de expresión, consistencia del fondo, consistencia del sujeto, suavidad de movimiento, FVD. El documento informa 19 evaluadores utilizando calificaciones de 1 a 5 para similitud de identidad, preservación de atributos y calidad de video. | La fila registra solo el protocolo informado en el documento. No afirma disponibilidad de descarga pública, reproduce un resultado ni hace que sus valores sean portables a otro punto de referencia. |
| Punto de referencia VFS de CanonSwap | 100 pares fuente-objetivo muestreados de VFHQ; cada objetivo utiliza los primeros 100 fotogramas y cuatro segundos de audio correspondiente. Un conjunto de evaluación de intercambio de rostros en video de 100 pares con ventanas de fotogramas y audio fijas. | similitud de identidad, recuperación de identidad, error de pose, error de expresión, error de mirada, error de relación de aspecto ocular, LSE-D, LSE-C, consistencia temporal de flujo óptico, FVD. No se resume ningún protocolo de revisión humana en este cuadro de correspondencia. | El protocolo utiliza opciones específicas de fotogramas, audio, estimador y extractor de características del documento. Sus valores no deben compararse directamente con los valores de IDBench-V o CASIA. |
Descargar el mapa de decisión de métricas
El JSON preserva las 9 familias de métricas, el cuadro de correspondencia de 3 protocolos, requisitos previos, direcciones de interpretación, límites de evidencia y fuentes primarias. El CSV contiene la tabla de familias de métricas; el registro BibTeX proporciona atribución estable.
Use la evidencia correcta para la decisión: las métricas automatizadas necesitan un conjunto de datos fijo, evaluador, tubería de preprocesamiento, recuento de muestras y salidas repetidas. Esta tarjeta de puntuación local registra defectos visibles en un resultado revisado y deliberadamente no imita un punto de referencia automatizado.
Protocolo de evaluación de cinco pasos
Haga que cada revisión sea lo suficientemente reproducible para que otra persona la inspeccione
- Elija el tipo de salida e identifique la muestra. Seleccione foto, video o GIF y registre un identificador de muestra, revisor y fecha de revisión.
- Confirme las tres compuertas críticas de publicación. Confirme el permiso, verifique la asignación de identidad prevista y revise si se necesita una divulgación de contenido de IA.
- Revise cada criterio aplicable. Califique identidad, límite facial, pose y expresión, iluminación, oclusión, integridad técnica y estabilidad temporal cuando corresponda.
- Lea el resultado ponderado sin anular las compuertas. Utilice el resultado para priorizar correcciones. Una puntuación numérica nunca anula las compuertas de permiso, asignación o divulgación no resueltas.
- Exporte el registro de evidencia completo. Descargue JSON o CSV, conserve las notas y repita el mismo protocolo para cada salida que pretenda comparar.
Las comparaciones de proveedores necesitan más evidencia: use entradas permitidas idénticas, ejecuciones independientes repetidas, múltiples revisores, condiciones de visualización documentadas e informes estadísticos. Una salida seleccionada a mano no puede establecer la calidad promedio del modelo.
Límite de evidencia y fuentes
La revisión subjetiva es útil solo cuando sus límites son visibles
Límite
La puntuación es una observación humana estructurada de una salida revisada, no una medición biométrica de identidad.
Límite
La rúbrica no establece precisión del modelo, calidad promedio, seguridad, velocidad, confiabilidad o superioridad del proveedor.
Límite
Una puntuación alta no reemplaza el consentimiento, la divulgación, la revisión legal, de accesibilidad o específica de la audiencia.
Límite
Una afirmación entre proveedores requiere las mismas entradas, ejecuciones repetidas, revisores independientes, condiciones de visualización documentadas e informes estadísticos.
- ITU-R BT.500-15: Methodologies for the subjective assessment of the quality of television images - Principios generales para la evaluación subjetiva de imágenes documentada; la rúbrica DeepSwapAI no es una prueba de laboratorio de la UIT.
- ITU-T P.910 (10/2023): Subjective video quality assessment methods for multimedia applications - Principios generales para la evaluación subjetiva de multimedia documentada; la rúbrica DeepSwapAI es un flujo de trabajo práctico de revisión única.
- Towards High Fidelity Face Swapping: A Comprehensive Survey and New Benchmark - Define el punto de referencia CASIA FaceSwapping y documenta los protocolos de identidad, atributo objetivo, distribución y consistencia de video.
- DreamID-V: Bridging the Image-to-Video Gap for High-Fidelity Face Swapping via Diffusion Transformer - Introduce el protocolo IDBench-V de 200 pares e informa similitud de identidad multi-codificador, varianza fotograma a fotograma, atributo objetivo, consistencia de video, FVD y medidas de revisión humana.
- CanonSwap: High-Fidelity and Consistent Video Face Swapping via Canonical Space Modulation - Informa medidas específicas de video de identidad, atributo objetivo, sincronización, consistencia temporal y distribución.
- Rank-based No-reference Quality Assessment for Face Swapping - Estudia la evaluación de calidad de intercambio de rostros aprendida solo de salida entrenada contra juicios clasificados.
- GANs Trained by a Two Time-Scale Update Rule Converge to a Local Nash Equilibrium - Introduce la Distancia de Incepción de Fréchet como una medida de evaluación a nivel de distribución.
- Investigación de preparación de entrada controlada DeepSwapAI - evidencia separada solo de entrada sin puntuación de salida generada.
- Espejo público de tarjeta de puntuación versionada - la copia v1.6.2 en el repositorio de investigación abierta.
- Lanzamiento de investigación abierta verificado con suma de verificación - manifiesto, sumas de verificación SHA-256, archivos de cita, JSON y CSV.
- Instantánea del repositorio de Software Heritage - preservado independientemente como swh:
1: .snp: f11738615eea 9f999c8709a0 da73130f0426 6209 - Metodología de verificación de afirmaciones DeepSwapAI - cómo se revisan los hechos del producto, las comparaciones y los límites de evidencia.
Preguntas de la tarjeta de puntuación
Qué puede y no puede establecer el número
¿Esto carga mis medios o notas?
No. La página no tiene entrada de medios, y los controles de la tarjeta de puntuación no envían calificaciones ni notas a DeepSwapAI.
¿Es esta una puntuación de identidad biométrica?
No. Es una observación humana documentada de características visibles de salida, no precisión de reconocimiento facial ni similitud de incrustación.
¿Puede una puntuación clasificar a los proveedores de intercambio de rostros?
No. Una comparación defendible necesita entradas compartidas, salidas repetidas, múltiples revisores, condiciones de visualización controladas e informes estadísticos.
¿Por qué se excluye la estabilidad temporal de las fotos?
Una imagen fija no tiene secuencia de fotogramas. El modo foto normaliza los seis criterios aplicables de 90 puntos de peso base a 100.
¿Puedo reutilizar la rúbrica?
Sí. El JSON publicado y la plantilla en blanco CSV usan CC BY 4.0 e incluyen la declaración de atribución requerida y un registro BibTeX descargable.
¿Puede FID medir una sola salida de intercambio de rostros?
No. FID compara distribuciones de conjuntos de imágenes generadas y de referencia. Una imagen no es una distribución.
¿Debería compararse la identidad con la fuente o el objetivo?
La recuperación y similitud de identidad normalmente comparan la salida con la fuente. La preservación de pose y expresión normalmente compara la salida con el objetivo.
¿Pueden compararse directamente los valores de CASIA FaceSwapping, IDBench-V y CanonSwap?
No. Su construcción de pares, segmentos de desafío, evaluadores, extractores de características, ventanas de fotogramas o audio, preprocesamiento y agregación difieren. Reproduzca un protocolo compartido antes de comparar valores.
Empezar face swap
Face swap con IA en el navegador para fotos, lotes, mapas de grupos, vídeo y GIF con permiso.