6 campioni controllati
Riferimento, risoluzione ridotta, messa a fuoco morbida, bassa esposizione, alta esposizione e compressione JPEG pesante.
Ricerca
Ricerca
Ricerca — Consulta finalità, metodo di verifica, limiti d’uso e requisiti per un utilizzo responsabile.
Guida pratica
Ricerca
Questa pagina spiega Ricerca in italiano: scopo, limiti e verifica. Il corpo revisionato conserva fatti, numeri, link e fonti; usa solo media autorizzati.
Confronto verificato dalle fonti: Face swap IA nel browser per foto, batch, mappature di gruppo, video e GIF autorizzati.
Risposta diretta
Questo è un test di stress dell'input, non una classifica di precisione dell'IA
L'esperimento cambia una famiglia di variabili alla volta attorno alla stessa creativa sorgente di proprietà DeepSwapAI. Pubblica misurazioni dei pixel decodificati e trasformazioni esatte. Non esegue un face swap, non confronta modelli, non stima la somiglianza dell'identità e non dichiara un vincitore di qualità.
5 misurazioni dei pixel
Luminanza media, deviazione standard del contrasto, clipping scuro, clipping delle alte luci e differenza del bordo adiacente.
0 affermazioni di output
Nessuna immagine generata, tasso di successo, punteggio di realismo, punteggio di identità, risultato di velocità o classifica di prodotto.
Varianti controllate
Visualizza il set di immagini esatto alla base delle misurazioni
Ogni lastra deriva dalla stessa risorsa originale. L'ispezione visiva rimane necessaria poiché le metriche aggregate non possono mostrare ogni artefatto locale.
Dati misurati
Misurazioni dei pixel decodificati con un lato di analisi massimo di 512 pixel
La luminanza utilizza i coefficienti Rec. 709. Il clipping scuro conta la luminanza pari o inferiore a 10; il clipping chiaro conta la luminanza pari o superiore a 245. La differenza di bordo è la differenza di luminanza assoluta media tra pixel vicini orizzontali e verticali.
| Variante | Dimensioni | Luminanza media | Deviazione standard del contrasto | Clipping scuro | Clipping chiaro | Differenza di bordo |
|---|---|---|---|---|---|---|
| Codifica di riferimento | 960 x 540 | 125.82 | 58.95 | 1.22% | 0% | 7.74 |
| Risoluzione ridotta | 320 x 180 | 126.22 | 58.81 | 1.1% | 0.01% | 10.55 |
| Messa a fuoco morbida | 960 x 540 | 124.8 | 55.19 | 0.16% | 0% | 2.68 |
| Bassa esposizione | 960 x 540 | 57.18 | 30.37 | 9.22% | 0% | 3.87 |
| Alta esposizione | 960 x 540 | 197.15 | 62.53 | 0% | 36.64% | 8.41 |
| Compressione JPEG pesante | 960 x 540 | 125.58 | 58.95 | 1.29% | 0.01% | 7.45 |
Importante: un valore è una misurazione, non un voto di superamento universale. La JPEG compressa mostra perché: le sue misurazioni globali rimangono vicine al riferimento anche se artefatti visivi di blocco e ringing possono ancora essere presenti.
Metodo riproducibile
Trasformazioni esatte e impronte digitali dei file immutabili
Lo SHA-256 di origine è 2f293e48f7d5d6a08ce9ab759a124e00ce92f2a204cd530284ce7d1f0ecc7c3d. Ogni output viene decodificato, composto su bianco se necessario, ridimensionato proporzionalmente a non più di 512 pixel sul lato più lungo e campionato in ordine di riga.
Codifica di riferimento
Ridimensiona la risorsa di proprietà a 960 x 540 e codifica come WebP con qualità 82.
SHA-256: 8c852071b02e03d91eb264655fef14654026fa46dc32e736a2b25c2ab0a1186a
Risoluzione ridotta
Ridimensiona la stessa risorsa a 320 x 180 e codifica come WebP con qualità 82.
SHA-256: 955c0e4e97a7af8564b39733b9654d3294abd07fa014c530ca733d8708000cc0
Messa a fuoco morbida
Ridimensiona a 960 x 540, applica una sfocatura gaussiana con sigma 4.5 e codifica come WebP con qualità 82.
SHA-256: e8edf51e0ef2b38916c858fe4aff932b14081d60ebd55552fbfc360586350886
Bassa esposizione
Ridimensiona a 960 x 540, applica y = 0.52x - 8 ai canali RGB, clamp all'intervallo a 8 bit e codifica come WebP con qualità 82.
SHA-256: 727172796e3cf8efdefd601d21177321c1bfcfbc458d629a689897aecf442769
Alta esposizione
Ridimensiona a 960 x 540, applica y = 1.35x + 45 ai canali RGB, clamp all'intervallo a 8 bit e codifica come WebP con qualità 82.
SHA-256: f2b01d592108fea3bb82e888733d89fb7356c307cda00d6d55d587b422da957b
Compressione JPEG pesante
Ridimensiona a 960 x 540 e codifica come JPEG con qualità 15 e sottocampionamento cromatico 4:2:0.
SHA-256: cd952c4c50fb78e941a62492e7ef6c3cc2fae96abac7df87aa1f32d4106b97ae
Scarica il set di dati completo
La JSON e la CSV contengono le formule, l'ambito, le limitazioni, le trasformazioni, le dimensioni, le dimensioni in byte, le metriche e le impronte SHA-256. Il file BibTeX fornisce una citazione stabile.
Prova del loop GIF
Sette dispositivi di riferimento spiegano il delta della cucitura del cappio grezzo
Il controllo locale GIF confronta la prima e l'ultima tela visualizzata dopo aver applicato le regole di smaltimento GIF89a. Questi dispositivi rendono il calcolo riproducibile: fotogrammi identici misurano lo 0%, un cambio di bianco di un quarto misura il 18,75%, un taglio completo da nero a bianco misura il 75% e il campione di 27 fotogrammi posseduto misura il 15,835339%. Un valore più alto può essere un movimento intenzionale o un taglio; non è un grado di qualità.
| Caso di riferimento | Tela | Cornici | Delta cucitura RGBA | Scopo |
|---|---|---|---|---|
| Primo e ultimo fotogramma identici | 4 × 4 | 2 | 0% | Controllo delta zero. |
| Spostamento RGB uniforme di 32 | 4 × 4 | 2 | 9.411765% | Mostra l'effetto di un piccolo cambiamento di colore dell'intero fotogramma mentre l'alfa rimane costante. |
| Taglio full-frame dal nero al bianco | 4 × 4 | 2 | 75% | Controllo ad alto delta per un taglio deciso intenzionale. |
| Cambio bianco locale di un quarto | 4 × 4 | 2 | 18.75% | Separa una modifica locale simile al movimento da un taglio a pieno formato. |
| GIF89a eliminazione ripristino in background | 2 × 1 | 2 | 37.5% | Verifica il tipo di smaltimento 2 prima della composizione della patch finale. |
| GIF89a ripristino dello smaltimento precedente | 2 × 1 | 2 | 37.5% | Verifica il tipo di smaltimento 3 prima della composizione della patch finale. |
| Esempio di animazione di 27 fotogrammi di proprietà | 320 × 180 | 27 | 0.002378% | Riferimento animato reale-GIF utilizzando fotogrammi decodificati e regole di smaltimento GIF89a. |
Riutilizzare il metodo, gli impianti e i risultati esatti
JSON pubblica la formula, la semantica di smaltimento, le ricette, i limiti delle prove, le limitazioni e l'impronta digitale del campione posseduto. CSV è pronto per l'analisi e il file BibTeX fornisce una citazione stabile.
Prova il tuo GIF localmente: aprire il preflight GIF gratuito solo per browser. Il file selezionato rimane sul dispositivo, non è richiesta alcuna registrazione per il controllo e il suo report JSON senza nome file utilizza lo stesso metodo. Ciò non rende la generazione GIF gratuita o anonima.
Catalogo dei dati di ricerca
Sette risorse riutilizzabili con limiti di prova espliciti
Questo catalogo mantiene separate le misurazioni di input, le prove dei limiti del circuito GIF, la revisione umana a output singolo, la selezione della metrica, la revisione del prodotto di origine ufficiale, la revisione del contratto API e l'analisi dei pixel delle illustrazioni. Cita la risorsa specifica che hai utilizzato, la sua versione e il suo URL canonico anziché trasferire un reclamo da un tipo di prova a un altro. Il sito web è canonico e pubblica a File di citazione CFF, Pacchetto dati da 16 risorse, Catalogo DCAT 3, e Manifesto SHA-256 da 19 file. Lo stato storico del repository v1.6.2 rimane conservato indipendentemente in un snapshot di Software Heritage con identificatore swh:
Benchmark di prontezza dell'input controllato v1.0.0
Sei varianti di immagine controllate, cinque misurazioni di pixel decodificati, trasformazioni esatte, impronte digitali dei file, JSON, CSV e BibTeX. Set di dati canonico: deepswapai.com/research.
GIF dispositivi di riferimento delta con cucitura ad anello v1.0.0
Sette casi riproducibili dal primo all'ultimo telaio composito, inclusi i tipi di smaltimento 2 e 3 più un campione di 27 fotogrammi posseduto. I valori sono prove grezze, non punteggi facciali o di qualità. Aprire il set di dati dell'apparecchio GIF.
Scheda di valutazione della qualità dell'output di face swap v1.0.0
Una rubrica di revisione umana separata con sette criteri, con calcolo locale, JSON e CSV riutilizzabili e limiti espliciti su affermazioni biometriche o a livello di fornitore. Apri la scheda di valutazione.
Mappa decisionale delle metriche di valutazione del face swap v1.1.0
9 famiglie di valutazione citate da fonti più un crosswalk di ricerca a 3 protocolli, ciascuna con input, prerequisiti e confini di interpretazione espliciti. Nessuna metrica viene eseguita e nessun fornitore viene valutato. Apri la mappa delle metriche.
Panoramica degli strumenti di face swap verificati dalle fonti v1.0.0
13 record di prodotto normalizzati supportati da 66 URL di fonti ufficiali correnti, con incognite visibili e nessuna classifica di qualità dell'output. Apri il set di dati di confronto.
Panoramica dei contratti API per face swap v1.0.0
6 record API normalizzati supportati da 21 URL di fonti ufficiali correnti. Preserva unità di prezzo incompatibili e conflitti di fonti ufficiali senza eseguire una richiesta di generazione o classificare i fornitori. Apri il set di dati del contratto API.
Audit del pannello dimostrativo ufficiale v1.0.0
Tre regioni di pixel decodificati allineate, coordinate di ritaglio esatte, formule, impronta digitale della fonte, JSON, CSV e BibTeX. Misura un'illustrazione e non valuta un output generato. Apri l'audit prima e dopo.
Scarica il catalogo di ricerca canonico
JSON-LD descrive tutti e sette i set di dati, i limiti delle prove, i record canonici, le licenze, le citazioni e le distribuzioni. CSV fornisce lo stesso inventario per gli strumenti tabulari.
Citazione e riutilizzo: cita “DeepSwapAI Benchmark di prontezza dell'input dell'immagine controllata v1, https://deepswapai.com/research”. La JSON, la CSV, le formule, le trasformazioni e i metadati di misurazione utilizzano CC BY 4.0. Le immagini campione di riferimento rimangono di proprietà di DeepSwapAI e non sono concesse in licenza per riutilizzo non correlato.
Confine di interpretazione
Cosa stabilisce l'esperimento e cosa rimane sconosciuto
La risoluzione è esplicita
Le dimensioni in pixel e la dimensione del file sono proprietà esatte. Ingrandire una piccola immagine cambia le dimensioni ma non può ricostruire i dettagli identificativi mancanti.
L'esposizione lascia un clipping misurabile
La variante chiara controllata sposta il 36,64% dei pixel campionati nell'intervallo di clipping delle alte luci. Ciò stabilisce una perdita di intervallo di input, non un difetto di output previsto.
La sfocatura riduce il cambiamento locale del bordo
La variante a fuoco morbido riduce la differenza di bordo adiacente da 7,74 a 2,68. La metrica è a livello di scena e non isola un volto.
La compressione necessita di revisione visiva
La compressione pesante JPEG può preservare le medie globali creando al contempo artefatti locali. Un controllo tecnico preliminare non deve trasformare poche metriche in un falso punteggio di qualità.
Limitazioni: una scena sorgente non è una popolazione. L'analizzatore non rileva volti, identità, consenso, posa, espressione, sguardo, capelli, occlusione o comportamento del modello. Non può prevedere realismo, accuratezza, successo dell'elaborazione, preferenza o qualità dell'esportazione finale.
Dall'evidenza di input alla revisione dell'output
Utilizzare un protocollo separato dopo la generazione
Le misurazioni di input e le osservazioni di output rispondono a domande diverse. Dopo aver generato un risultato rappresentativo, utilizza la scheda di valutazione della qualità del face swap per documentare identità, fusione, posa, illuminazione, occlusione, integrità tecnica e stabilità temporale senza trasformare un output in un'affermazione a livello di modello.
Domande di ricerca
Risposte senza sopravvalutare l'evidenza
Questo benchmark misura la qualità dell'output del face swap?
No. Misura solo le proprietà dell'immagine di input controllata. Nessun output di face swap è stato generato, valutato o confrontato.
Può prevedere un risultato realistico?
No. Le misurazioni non osservano il modello di generazione, l'identità, la posa, l'espressione, l'occlusione o l'output.
Perché pubblicare un campione compresso che appare simile nella tabella?
Perché espone una limitazione reale: le misurazioni aggregate globali possono perdere artefatti JPEG locali.
Dove posso testare la mia immagine?
Utilizza il controllo di prontezza locale. Applica le stesse cinque definizioni di misurazione nel tuo browser senza caricare l'immagine selezionata.
Come posso citare o riutilizzare i dati?
Utilizza il record BibTeX scaricabile o la dichiarazione di attribuzione visibile. I dati di misurazione e i metadati utilizzano CC BY 4.0; le immagini campione di riferimento rimangono di proprietà di DeepSwapAI.
Inizia face swap
Face swap IA nel browser per foto, batch, mappature di gruppo, video e GIF autorizzati.