6개의 통제된 샘플
참조, 해상도 감소, 소프트 포커스, 저노출, 고노출 및 심한 JPEG 압축입니다.
연구
연구
연구. 허가받은 사진, 일괄, 단체 사진 매핑, 동영상, GIF를 위한 브라우저 기반 AI 얼굴 교체. Conteúdo localizado: ko. 출처 확인 비교.
실용 가이드
연구
연구의 사용 범위와 한계, 확인 방법을 한국어로 설명합니다. 아래 검토된 본문에는 제품 사실, 수치, 링크와 출처가 그대로 유지됩니다. 허가받은 미디어만 사용하세요.
출처 확인 비교: 허가받은 사진, 일괄, 단체 사진 매핑, 동영상, GIF를 위한 브라우저 기반 AI 얼굴 교체.
직접 답변
이는 AI 정확성 순위표가 아닌 입력 스트레스 테스트입니다.
실험은 동일한 DeepSwapAI 소유 소스 창작물을 중심으로 한 번에 하나의 변수 계열을 변경합니다. 디코딩된 픽셀 측정값과 정확한 변환을 게시합니다. 얼굴 교체를 실행하거나, 모델을 비교하거나, 신원 유사성을 추정하거나, 품질 승자를 선언하지 않습니다.
5개의 픽셀 측정
평균 휘도, 대비 표준 편차, 어두운 클리핑, 밝은 클리핑 및 인접 가장자리 차이입니다.
0개의 출력 주장
생성된 이미지, 성공률, 사실성 점수, 신원 점수, 속도 결과 또는 제품 순위가 없습니다.
통제된 변형
측정값 뒤의 정확한 이미지 세트를 확인하십시오
모든 판은 동일한 소스 자산에서 파생됩니다. 전체 지표가 모든 로컬 아티팩트를 보여줄 수 없기 때문에 시각적 검사가 여전히 필요합니다.
측정 데이터
최대 512픽셀 분석 측면에서 디코딩된 픽셀 측정
휘도는 Rec. 709 계수를 사용합니다. 어두운 클리핑은 10 이하의 휘도를 계산하고, 밝은 클리핑은 245 이상의 휘도를 계산합니다. 가장자리 차이는 수평 및 수직 인접 픽셀 간의 평균 절대 휘도 차이입니다.
| 변형 | 치수 | 평균 휘도 | 대비 표준편차 | 어두운 클리핑 | 밝은 클리핑 | 가장자리 차이 |
|---|---|---|---|---|---|---|
| 참조 인코딩 | 960 x 540 | 125.82 | 58.95 | 1.22% | 0% | 7.74 |
| 해상도 감소 | 320 x 180 | 126.22 | 58.81 | 1.1% | 0.01% | 10.55 |
| 소프트 포커스 | 960 x 540 | 124.8 | 55.19 | 0.16% | 0% | 2.68 |
| 저노출 | 960 x 540 | 57.18 | 30.37 | 9.22% | 0% | 3.87 |
| 고노출 | 960 x 540 | 197.15 | 62.53 | 0% | 36.64% | 8.41 |
| 강한 JPEG 압축 | 960 x 540 | 125.58 | 58.95 | 1.29% | 0.01% | 7.45 |
중요: 값은 측정값이며 보편적인 합격 기준이 아닙니다. 압축된 JPEG가 그 이유를 보여줍니다. 시각적 블록 및 링잉 아티팩트가 여전히 존재할 수 있음에도 불구하고 전역 측정값이 참조와 가깝게 유지됩니다.
재현 가능한 방법
정확한 변환 및 변경 불가능한 파일 지문
소스 SHA-256은 2f293e48f7d5d6a08ce9ab759a124e00ce92f2a204cd530284ce7d1f0ecc7c3d입니다. 각 출력은 디코딩되고, 필요한 경우 흰색 위에 합성되며, 가장 긴 변이 512픽셀을 넘지 않도록 비례적으로 크기가 조정되고, 행 순서로 샘플링됩니다.
참조 인코딩
소유한 소스의 크기를 960 x 540으로 조정하고 품질 82로 WebP로 인코딩합니다.
SHA-256: 8c852071b02e03d91eb264655fef14654026fa46dc32e736a2b25c2ab0a1186a
해상도 감소
동일한 소스의 크기를 320 x 180으로 조정하고 품질 82로 WebP로 인코딩합니다.
SHA-256: 955c0e4e97a7af8564b39733b9654d3294abd07fa014c530ca733d8708000cc0
소프트 포커스
크기를 960 x 540으로 조정하고 시그마 4.5의 가우시안 블러를 적용한 후 품질 82로 WebP로 인코딩합니다.
SHA-256: e8edf51e0ef2b38916c858fe4aff932b14081d60ebd55552fbfc360586350886
저노출
크기를 960 x 540으로 조정하고 RGB 채널에 y = 0.52x - 8을 적용하고 8비트 범위로 클램핑한 후 품질 82로 WebP로 인코딩합니다.
SHA-256: 727172796e3cf8efdefd601d21177321c1bfcfbc458d629a689897aecf442769
고노출
크기를 960 x 540으로 조정하고 RGB 채널에 y = 1.35x + 45를 적용하고 8비트 범위로 클램핑한 후 품질 82로 WebP로 인코딩합니다.
SHA-256: f2b01d592108fea3bb82e888733d89fb7356c307cda00d6d55d587b422da957b
강한 JPEG 압축
크기를 960 x 540으로 조정하고 4:2:0 크로마 서브샘플링으로 품질 15에서 JPEG로 인코딩합니다.
SHA-256: cd952c4c50fb78e941a62492e7ef6c3cc2fae96abac7df87aa1f32d4106b97ae
전체 데이터셋 다운로드
JSON 및 CSV에는 공식, 범위, 제한 사항, 변환, 치수, 바이트 크기, 메트릭 및 SHA-256 지문이 포함되어 있습니다. BibTeX 파일은 안정적인 인용을 제공합니다.
연구 데이터 카탈로그
명시적 증거 경계가 있는 6개의 재사용 가능한 자산
이 카탈로그는 입력 측정, 단일 출력 인간 검토, 메트릭 선택, 공식 소스 제품 검토, API 계약 검토 및 일러스트레이션 픽셀 분석을 분리합니다. 사용한 특정 자산, 해당 버전 및 표준 URL을 인용하고 한 증거 유형에서 다른 증거 유형으로 주장을 이전하지 마십시오. 웹사이트는 표준으로 유지됩니다. 공개 연구 저장소 및 변경 불가능하고 체크섬이 확인된 v1.6.2 릴리스 버전이 지정된 외부 미러를 제공합니다. GitHub의 서명된 릴리스 증명은 커밋 c1d268d4a140
제어된 입력 준비 벤치마크 v1.0.0
6개의 제어된 이미지 변형, 5개의 디코딩된 픽셀 측정, 정확한 변환, 파일 지문, JSON, CSV 및 BibTeX. 표준 데이터셋: deepswapai.com/research.
얼굴 교체 출력 품질 스코어카드 v1.0.0
로컬 계산, 재사용 가능한 JSON 및 CSV, 생체 인식 또는 제공자 수준 주장에 대한 명시적 제한이 있는 별도의 7개 기준 인간 검토 루브릭입니다. 점수표 열기.
얼굴 교체 평가 메트릭 결정 맵 v1.1.0
9개의 소스 인용 평가 패밀리와 3개의 프로토콜 연구 크로스워크, 각각 명시적 입력, 전제 조건 및 해석 경계가 있습니다. 메트릭이 실행되지 않으며 제공자가 평가되지 않습니다. 메트릭 맵 열기.
소스 확인된 얼굴 교체 도구 환경 v1.0.0
66개의 최신 공식 소스 URL로 뒷받침되는 13개의 정규화된 제품 레코드, 표시된 미지수 및 출력 품질 순위 없음. 비교 데이터셋 열기.
얼굴 교체 API 계약 환경 v1.0.0
21개의 최신 공식 소스 URL로 뒷받침되는 6개의 정규화된 API 레코드. 생성 요청을 실행하거나 제공자를 순위 매기지 않고 호환되지 않는 가격 단위와 공식 소스 충돌을 보존합니다. API 계약 데이터셋 열기.
공식 데모 패널 감사 v1.0.0
세 개의 정렬된 디코딩된 픽셀 영역, 정확한 자르기 좌표, 공식, 소스 지문, JSON, CSV 및 BibTeX. 하나의 일러스트레이션을 측정하며 생성된 출력을 점수화하지 않습니다. 전후 감사 열기.
표준 연구 카탈로그 다운로드
JSON-LD는 여섯 개의 데이터셋, 증거 경계, 정식 레코드, 라이선스, 인용 및 배포를 모두 설명합니다. CSV는 테이블 형식 도구에 대해 동일한 인벤토리를 제공합니다.
인용 및 재사용: “DeepSwapAI 제어된 이미지 입력-준비도 벤치마크 v1, https://deepswapai.com/research”. JSON, CSV, 공식, 변환 및 측정 메타데이터는 CC BY 4.0을 사용합니다. 참조된 샘플 이미지는 DeepSwapAI 소유로 유지되며 관련 없는 재사용을 위해 재라이선스되지 않습니다.
해석 경계
실험이 확립하는 것과 알려지지 않은 것
해상도는 명확함
픽셀 치수와 파일 크기는 정확한 속성입니다. 작은 이미지를 업스케일링하면 치수가 변경되지만 누락된 신원 세부 정보를 재구성할 수 없습니다.
노출은 측정 가능한 클리핑을 남김
제어된 밝은 변형 moves는 샘플링된 픽셀의 36.64%를 하이라이트 클리핑 범위로 만듭니다. 이는 예측된 출력 결함이 아닌 손실된 입력 범위를 확립합니다.
블러는 국소 가장자리 변화를 낮춤
소프트 포커스 변형은 인접 가장자리 차이를 7.74에서 2.68로 줄입니다. 이 지표는 장면 전체에 적용되며 얼굴을 분리하지 않습니다.
압축은 시각적 검토가 필요함
심한 JPEG 압축은 전역 평균을 유지하면서 국소 아티팩트를 생성할 수 있습니다. 기술적 사전 점검은 몇 가지 지표를 잘못된 품질 점수로 바꾸지 않아야 합니다.
한계: 하나의 소스 장면은 모집단이 아닙니다. 분석기는 얼굴, 신원, 동의, 포즈, 표정, 시선, 머리카락, 폐색 또는 모델 동작을 감지하지 않습니다. 현실감, 정확성, 처리 성공, 선호도 또는 최종 내보내기 품질을 예측할 수 없습니다.
입력 증거에서 출력 검토까지
생성 후 별도의 프로토콜 사용
입력 측정과 출력 관찰은 다른 질문에 답합니다. 대표적인 결과를 생성한 후, 얼굴 교체 품질 점수표를 사용하여 신원, 혼합, 포즈, 조명, 폐색, 기술적 무결성 및 시간적 안정성을 문서화하되 하나의 출력을 모델 전체 주장으로 바꾸지 마십시오.
연구 질문
증거를 과장하지 않은 답변
이 벤치마크가 얼굴 교체 출력 품질을 측정합니까?
아니요. 통제된 입력 이미지 속성만 측정합니다. 얼굴 교체 출력이 생성, 평가 또는 비교되지 않았습니다.
현실적인 결과를 예측할 수 있습니까?
아니요. 측정은 생성 모델, 신원, 포즈, 표정, 폐색 또는 출력을 관찰하지 않습니다.
표에서 비슷해 보이는 압축된 샘플을 왜 게시합니까?
실제 한계를 드러내기 때문입니다: 전역 집계 측정은 국소 JPEG 아티팩트를 놓칠 수 있습니다.
내 이미지를 어디서 테스트할 수 있습니까?
로컬 준비도 검사기를 사용하십시오. 선택한 이미지를 업로드하지 않고 브라우저에서 동일한 다섯 가지 측정 정의를 적용합니다.
데이터를 어떻게 인용하거나 재사용할 수 있습니까?
다운로드 가능한 BibTeX 레코드 또는 표시된 귀속 문을 사용하십시오. 측정 데이터와 메타데이터는 CC BY 4.0을 사용합니다; 참조된 샘플 이미지는 DeepSwapAI 소유로 유지됩니다.
얼굴 교체 시작
허가받은 사진, 일괄, 단체 사진 매핑, 동영상, GIF를 위한 브라우저 기반 AI 얼굴 교체.