6 échantillons contrôlés
Référence, résolution réduite, mise au point douce, faible exposition, forte exposition et compression JPEG élevée.
Recherche
Recherche
Recherche — Consultez l’objectif, la méthode de vérification, les limites d’usage et les exigences d’utilisation responsable.
Guide pratique
Recherche
Cette page présente Recherche en français, avec son objectif, ses limites et sa vérification. Le contenu vérifié conserve faits, chiffres, liens et sources ; utilisez uniquement des médias autorisés.
Comparaison vérifiée par les sources: Face swap IA dans le navigateur pour photos, lots, groupes, vidéos et GIF autorisés.
Réponse directe
Ceci est un test de résistance d'entrée, pas un classement de précision d'IA
L'expérience modifie une famille de variables à la fois autour de la même source créative appartenant à DeepSwapAI. Elle publie des mesures de pixels décodés et des transformations exactes. Elle n'effectue pas d'échange de visage, ne compare pas de modèles, n'estime pas la similarité d'identité, ni ne déclare de gagnant en qualité.
5 mesures de pixels
Luminance moyenne, écart type du contraste, écrêtage des ombres, écrêtage des hautes lumières et différence de bord adjacent.
0 affirmations de sortie
Aucune image générée, taux de succès, score de réalisme, score d'identité, résultat de vitesse ou classement de produit.
Variantes contrôlées
Voir l'ensemble d'images exact derrière les mesures
Chaque planche provient du même actif source. L'inspection visuelle reste nécessaire car les mesures agrégées ne peuvent pas montrer chaque artefact local.
Données mesurées
Mesures de pixels décodés à un côté d'analyse maximum de 512 pixels
La luminance utilise les coefficients Rec. 709. L'écrêtage des ombres compte la luminance à ou en dessous de 10 ; l'écrêtage des hautes lumières compte la luminance à ou au-dessus de 245. La différence de bord est la différence absolue moyenne de luminance entre les pixels voisins horizontaux et verticaux.
| Variante | Dimensions | Luminance moyenne | Écart type du contraste | Ombre écrêtée | Lumière écrêtée | Différence de bord |
|---|---|---|---|---|---|---|
| Encodage de référence | 960 x 540 | 125.82 | 58.95 | 1.22% | 0% | 7.74 |
| Résolution réduite | 320 x 180 | 126.22 | 58.81 | 1.1% | 0.01% | 10.55 |
| Mise au point douce | 960 x 540 | 124.8 | 55.19 | 0.16% | 0% | 2.68 |
| Faible exposition | 960 x 540 | 57.18 | 30.37 | 9.22% | 0% | 3.87 |
| Forte exposition | 960 x 540 | 197.15 | 62.53 | 0% | 36.64% | 8.41 |
| Compression JPEG élevée | 960 x 540 | 125.58 | 58.95 | 1.29% | 0.01% | 7.45 |
Important : une valeur est une mesure, pas une note de passage universelle. Le JPEG compressé montre pourquoi : ses mesures globales restent proches de la référence même si des artefacts visuels de bloc et de sonnerie peuvent encore être présents.
Méthode reproductible
Transformations exactes et empreintes digitales de fichier immuables
Le SHA-256 source est 2f293e48f7d5d6a08ce9ab759a124e00ce92f2a204cd530284ce7d1f0ecc7c3d. Chaque sortie est décodée, composée sur fond blanc si nécessaire, redimensionnée proportionnellement à un maximum de 512 pixels sur son côté le plus long, et échantillonnée dans l'ordre des lignes.
Encodage de référence
Redimensionner la source possédée à 960 x 540 et encoder en WebP à la qualité 82.
SHA-256: 8c852071b02e03d91eb264655fef14654026fa46dc32e736a2b25c2ab0a1186a
Résolution réduite
Redimensionner la même source à 320 x 180 et encoder en WebP à la qualité 82.
SHA-256: 955c0e4e97a7af8564b39733b9654d3294abd07fa014c530ca733d8708000cc0
Mise au point douce
Redimensionner à 960 x 540, appliquer un flou gaussien avec sigma 4.5, et encoder en WebP à la qualité 82.
SHA-256: e8edf51e0ef2b38916c858fe4aff932b14081d60ebd55552fbfc360586350886
Faible exposition
Redimensionner à 960 x 540, appliquer y = 0.52x - 8 aux canaux RVB, limiter à la plage 8 bits, et encoder en WebP à la qualité 82.
SHA-256: 727172796e3cf8efdefd601d21177321c1bfcfbc458d629a689897aecf442769
Forte exposition
Redimensionner à 960 x 540, appliquer y = 1.35x + 45 aux canaux RVB, limiter à la plage 8 bits, et encoder en WebP à la qualité 82.
SHA-256: f2b01d592108fea3bb82e888733d89fb7356c307cda00d6d55d587b422da957b
Compression JPEG élevée
Redimensionner à 960 x 540 et encoder en JPEG à la qualité 15 avec sous-échantillonnage chroma 4:2:0.
SHA-256: cd952c4c50fb78e941a62492e7ef6c3cc2fae96abac7df87aa1f32d4106b97ae
Télécharger l'ensemble de données complet
Les JSON et CSV contiennent les formules, la portée, les limites, les transformations, les dimensions, les tailles d'octets, les métriques et les empreintes SHA-256. Le fichier BibTeX fournit une citation stable.
Preuve de boucle GIF
Sept appareils de référence expliquent le delta brut de couture de boucle
Le vérificateur local GIF compare le premier et le dernier canevas affichés après avoir appliqué les règles de suppression GIF89a. Ces appareils rendent ce calcul reproductible : des images identiques mesurent 0 %, un changement d'un quart de blanc mesure 18,75 %, une coupe complète du noir sur blanc mesure 75 % et l'échantillon de 27 images détenu mesure 15,835339 %. Une valeur plus élevée peut être un mouvement intentionnel ou une coupure ; ce n'est pas une qualité.
| Cas de référence | Toile | Cadres | Delta de couture RGBA | Objectif |
|---|---|---|---|---|
| Première et dernière images identiques | 4 × 4 | 2 | 0% | Contrôle zéro delta. |
| Décalage RVB uniforme de 32 | 4 × 4 | 2 | 9.411765% | Montre l’effet d’un petit changement de couleur sur l’ensemble de l’image tandis que l’alpha reste constant. |
| Coupe plein format noir sur blanc | 4 × 4 | 2 | 75% | Contrôle haut delta pour une coupe dure intentionnelle. |
| Un quart de changement de blanc local | 4 × 4 | 2 | 18.75% | Sépare un changement de type mouvement local d’une coupe plein écran. |
| GIF89a élimination de la restauration en arrière-plan | 2 × 1 | 2 | 37.5% | Vérifie le type d’élimination 2 avant que le correctif final ne soit composé. |
| GIF89a restauration vers une élimination précédente | 2 × 1 | 2 | 37.5% | Vérifie le type d’élimination 3 avant que le correctif final ne soit composé. |
| Échantillon d'animation de 27 images possédé | 320 × 180 | 27 | 0.002378% | Véritable référence animée-GIF utilisant des images décodées et des règles d'élimination GIF89a. |
Réutiliser la méthode, les montages et les résultats exacts
Le JSON publie la formule, la sémantique d'élimination, les recettes, les limites des preuves, les limitations et l'empreinte digitale de l'échantillon détenu. Le CSV est prêt pour l'analyse et le fichier BibTeX fournit une citation stable.
Essayez votre propre GIF localement : ouvrir le contrôle en amont GIF gratuit sur navigateur uniquement. Le fichier sélectionné reste sur l'appareil, aucune inscription n'est requise pour le vérificateur et son rapport JSON sans nom de fichier utilise la même méthode. Cela ne rend pas la génération GIF gratuite ou anonyme.
Catalogue de données de recherche
Sept actifs réutilisables avec des limites de preuves explicites
Ce catalogue conserve séparément les mesures d'entrée, les preuves de limite de boucle GIF, l'examen humain à sortie unique, la sélection de mesures, l'examen de produit de source officielle, l'examen de contrat API et l'analyse de pixels d'illustration. Citez l'actif spécifique que vous avez utilisé, sa version et son URL canonique plutôt que de transférer une revendication d'un type de preuve à un autre. Le site est canonique et publie un Fichier de citation CFF, Ensemble de données de 16 ressources, Catalogue DCAT 3, et Manifeste SHA-256 de 19 fichiers. L'état historique du dépôt v1.6.2 reste conservé indépendamment dans un instantané Software Heritage avec l'identifiant swh:
Benchmark de préparation d'entrée contrôlée v1.0.0
Six variantes d'image contrôlées, cinq mesures de pixels décodés, transformations exactes, empreintes de fichier, JSON, CSV et BibTeX. Ensemble de données canonique : deepswapai.com/research.
Fixations de référence delta à couture en boucle GIF v1.0.0
Sept cas reproductibles du premier au dernier cadre composite, y compris les types d'élimination 2 et 3, plus un échantillon appartenant à 27 cadres. Les valeurs sont des preuves brutes, et non des visages ou des scores de qualité. Ouvrez le jeu de données de luminaires GIF.
Fiche de score de qualité de sortie d'échange de visage v1.0.0
Une grille d'évaluation humaine à sept critères distincte avec calcul local, JSON et CSV réutilisables, et des limites explicites sur les affirmations biométriques ou au niveau du fournisseur. Ouvrir la grille d'évaluation.
Arbre de décision des métriques d'évaluation d'échange de visage v1.1.0
9 familles d'évaluation citées par source plus une passerelle de recherche à 3 protocoles, chacune avec des entrées, des prérequis et des limites d'interprétation explicites. Aucune métrique n'est exécutée et aucun fournisseur n'est noté. Ouvrir la carte des métriques.
Paysage des outils d'échange de visage vérifiés par source v1.0.0
13 enregistrements de produits normalisés soutenus par 66 URL de sources officielles actuelles, avec des inconnues visibles et aucun classement de qualité de sortie. Ouvrir l'ensemble de données de comparaison.
Paysage des contrats API d'échange de visage v1.0.0
6 enregistrements API normalisés soutenus par 21 URL de sources officielles actuelles. Il préserve les unités de prix incompatibles et les conflits de sources officielles sans exécuter de demande de génération ni classer les fournisseurs. Ouvrir l'ensemble de données des contrats API.
Audit du panneau de démonstration officiel v1.0.0
Trois régions de pixels décodés alignées, coordonnées de recadrage exactes, formules, empreinte source, JSON, CSV et BibTeX. Il mesure une illustration et ne note pas une sortie générée. Ouvrir l'audit avant-après.
Télécharger le catalogue de recherche canonique
Le JSON-LD décrit les sept ensembles de données, leurs limites de preuves, leurs enregistrements canoniques, leurs licences, leurs citations et leurs distributions. Le CSV fournit le même inventaire pour les outils tabulaires.
Citation et réutilisation : citez « DeepSwapAI Benchmark de Préparation d'Entrée d'Image Contrôlée v1, https://deepswapai.com/research”. Le JSON, CSV, formules, transformations et métadonnées de mesure utilisent CC BY 4.0. Les images d'échantillon référencées restent la propriété de DeepSwapAI et ne sont pas sous licence pour une réutilisation non liée.
Limite d'interprétation
Ce que l'expérience établit et ce qui reste inconnu
La résolution est explicite
Les dimensions en pixels et la taille du fichier sont des propriétés exactes. L'agrandissement d'une petite image change les dimensions mais ne peut pas reconstruire les détails d'identité manquants.
L'exposition laisse un écrêtage mesurable
La variante lumineuse contrôlée déplace 36,64 % des pixels échantillonnés vers la plage d'écrêtage des hautes lumières. Cela établit une plage d'entrée perdue, non un défaut de sortie prédit.
Le flou réduit le changement de bord local
La variante mise au point douce réduit la différence de bord adjacent de 7,74 à 2,68. La métrique est à l'échelle de la scène et n'isole pas un visage.
La compression nécessite un examen visuel
Une compression JPEG élevée peut préserver les moyennes globales tout en créant des artefacts locaux. Une vérification technique préalable ne doit pas transformer quelques métriques en un faux score de qualité.
Limites : une scène source n'est pas une population. L'analyseur ne détecte pas les visages, l'identité, le consentement, la pose, l'expression, le regard, les cheveux, l'occlusion ou le comportement du modèle. Il ne peut pas prédire le réalisme, la précision, le succès du traitement, la préférence ou la qualité d'exportation finale.
Des preuves d'entrée à l'examen de la sortie
Utilisez un protocole séparé après la génération
Les mesures d'entrée et les observations de sortie répondent à des questions différentes. Après avoir généré un résultat représentatif, utilisez la fiche de score de qualité d'échange de visage pour documenter l'identité, le mélange, la pose, l'éclairage, l'occlusion, l'intégrité technique et la stabilité temporelle sans transformer une sortie en une affirmation à l'échelle du modèle.
Questions de recherche
Réponses sans exagérer les preuves
Ce benchmark mesure-t-il la qualité de sortie de l'échange de visage ?
Non. Il mesure uniquement les propriétés d'image d'entrée contrôlées. Aucune sortie d'échange de visage n'a été générée, notée ou comparée.
Peut-il prédire un résultat réaliste ?
Non. Les mesures n'observent pas le modèle de génération, l'identité, la pose, l'expression, l'occlusion ou la sortie.
Pourquoi publier un échantillon compressé qui semble similaire dans le tableau ?
Parce qu'il expose une limitation réelle : les mesures agrégées globales peuvent manquer des artefacts JPEG locaux.
Où puis-je tester ma propre image ?
Utilisez le vérificateur de préparation local. Il applique les mêmes cinq définitions de mesure dans votre navigateur sans télécharger l'image sélectionnée.
Comment puis-je citer ou réutiliser les données ?
Utilisez l'enregistrement BibTeX téléchargeable ou la déclaration d'attribution visible. Les données de mesure et les métadonnées utilisent CC BY 4.0 ; les images d'échantillon référencées restent la propriété de DeepSwapAI.
Commencer le face swap
Face swap IA dans le navigateur pour photos, lots, groupes, vidéos et GIF autorisés.