6 kontrollü örnek
Referans, azaltılmış çözünürlük, yumuşak odak, düşük pozlama, yüksek pozlama ve ağır JPEG sıkıştırması.
Orijinal giriş araştırması
Yüz değiştirme giriş hazırlık kıyaslaması
Bir adet sahip olunan kaynak görsel, altı kontrollü varyant, beş şeffaf piksel ölçümü ve sıfır oluşturulmuş çıktı iddiası. Bir ön kontrol denetleyicisinin yüklemeden önce neyi ölçebileceğini ve neyi tahmin edemeyeceğini anlamak için verileri kullanın.
Doğrudan cevap
Bu bir giriş stres testidir, bir AI doğruluk liderlik tablosu değildir
Deney, aynı DeepSwapAI'ye ait kaynak yaratıcı etrafında her seferinde bir değişken ailesini değiştirir. Kod çözülmüş piksel ölçümlerini ve kesin dönüşümleri yayınlar. Bir yüz değiştirme çalıştırmaz, modelleri karşılaştırmaz, kimlik benzerliğini tahmin etmez veya bir kalite kazananı ilan etmez.
5 piksel ölçümü
Ortalama parlaklık, kontrast standart sapması, koyu kırpma, parlak kırpma ve bitişik kenar farkı.
0 çıktı iddiası
Oluşturulmuş görsel, başarı oranı, gerçekçilik puanı, kimlik puanı, hız sonucu veya ürün sıralaması yok.
Kontrollü varyantlar
Ölçümlerin arkasındaki tam görsel setini görün
Her levha aynı kaynak varlıktan türetilmiştir. Toplu metrikler her yerel yapaylığı gösteremediği için görsel inceleme gerekli olmaya devam etmektedir.
Ölçülen veriler
Maksimum 512 piksel analiz kenarında kod çözülmüş piksel ölçümleri
Parlaklık Rec. 709 katsayılarını kullanır. Koyu kırpma, parlaklığı 10 veya altında sayar; parlak kırpma, parlaklığı 245 veya üstünde sayar. Kenar farkı, yatay ve dikey komşu pikseller arasındaki ortalama mutlak parlaklık farkıdır.
| Varyant | Boyutlar | Ortalama parlaklık | Kontrast SD | Koyu kırpılmış | Açık kırpılmış | Kenar farkı |
|---|---|---|---|---|---|---|
| Referans kodlama | 960 x 540 | 125.82 | 58.95 | 1.22% | 0% | 7.74 |
| Azaltılmış çözünürlük | 320 x 180 | 126.22 | 58.81 | 1.1% | 0.01% | 10.55 |
| Yumuşak odak | 960 x 540 | 124.8 | 55.19 | 0.16% | 0% | 2.68 |
| Düşük pozlama | 960 x 540 | 57.18 | 30.37 | 9.22% | 0% | 3.87 |
| Yüksek pozlama | 960 x 540 | 197.15 | 62.53 | 0% | 36.64% | 8.41 |
| Ağır JPEG sıkıştırması | 960 x 540 | 125.58 | 58.95 | 1.29% | 0.01% | 7.45 |
Önemli: bir değer bir ölçümdür, evrensel bir geçer not değildir. Sıkıştırılmış JPEG bunun nedenini gösterir: küresel ölçümleri referansa yakın kalmasına rağmen görsel blok ve halkalanma yapaylıkları hala mevcut olabilir.
Tekrarlanabilir yöntem
Kesin dönüşümler ve değişmez dosya parmak izleri
Kaynak SHA-256 2f293e48f7d5d6a08ce9ab759a124e00ce92f2a204cd530284ce7d1f0ecc7c3d. Her bir çıktı çözülür, gerekiyorsa beyaz üzerine yerleştirilir, en uzun kenarı 512 pikseli geçmeyecek şekilde orantılı olarak yeniden boyutlandırılır ve satır sırasına göre örneklenir.
Referans kodlama
Sahip olunan kaynağı 960 x 540 olarak yeniden boyutlandır ve kalite 82 ile WebP olarak kodla.
SHA-256: 8c852071b02e03d91eb264655fef14654026fa46dc32e736a2b25c2ab0a1186a
Azaltılmış çözünürlük
Aynı kaynağı 320 x 180 olarak yeniden boyutlandır ve kalite 82 ile WebP olarak kodla.
SHA-256: 955c0e4e97a7af8564b39733b9654d3294abd07fa014c530ca733d8708000cc0
Yumuşak odak
960 x 540 olarak yeniden boyutlandır, sigma 4.5 ile Gauss bulanıklığı uygula ve kalite 82 ile WebP olarak kodla.
SHA-256: e8edf51e0ef2b38916c858fe4aff932b14081d60ebd55552fbfc360586350886
Düşük pozlama
960 x 540 olarak yeniden boyutlandır, RGB kanallarına y = 0.52x - 8 uygula, 8 bit aralığına kırp ve kalite 82 ile WebP olarak kodla.
SHA-256: 727172796e3cf8efdefd601d21177321c1bfcfbc458d629a689897aecf442769
Yüksek pozlama
960 x 540 olarak yeniden boyutlandır, RGB kanallarına y = 1.35x + 45 uygula, 8 bit aralığına kırp ve kalite 82 ile WebP olarak kodla.
SHA-256: f2b01d592108fea3bb82e888733d89fb7356c307cda00d6d55d587b422da957b
Ağır JPEG sıkıştırması
960 x 540 olarak yeniden boyutlandır ve kalite 15 ile 4:2:0 renk alt örneklemesi kullanarak JPEG olarak kodla.
SHA-256: cd952c4c50fb78e941a62492e7ef6c3cc2fae96abac7df87aa1f32d4106b97ae
Tam veri kümesini indir
JSON ve CSV, formülleri, kapsamı, sınırlamaları, dönüşümleri, boyutları, bayt boyutlarını, metrikleri ve SHA-256 parmak izlerini içerir. BibTeX dosyası sabit bir atıf sağlar.
GIF döngü kanıtı
Yedi referans fikstürü ham ilmek-dikiş deltasını açıklıyor
Yerel GIF denetleyicisi, GIF89a imha kuralları uygulandıktan sonra görüntülenen ilk ve son tuvalleri karşılaştırır. Bu fikstürler bu hesaplamanın tekrarlanabilir olmasını sağlar: aynı kareler %0, dörtte bir beyaz değişim %18,75, tam siyahtan beyaza kesim %75 ve sahip olunan 27 karelik numune %15,835339 ölçülür. Daha yüksek bir değer, kasıtlı bir hareket veya bir kesme olabilir; kaliteli bir not değil.
| Referans durumu | Kanvas | Çerçeveler | RGBA dikiş deltası | Amaç |
|---|---|---|---|---|
| İlk ve son karelerin aynısı | 4 × 4 | 2 | 0% | Sıfır delta kontrolü. |
| Tek tip RGB değişimi 32'ye kadar | 4 × 4 | 2 | 9.411765% | Alfa sabit kalırken tüm çerçevenin küçük bir renk değişiminin etkisini gösterir. |
| Tam çerçeve siyahtan beyaza kesim | 4 × 4 | 2 | 75% | Kasıtlı sert kesim için yüksek delta kontrolü. |
| Dörtte bir yerel beyaz değişim | 4 × 4 | 2 | 18.75% | Yerel harekete benzer bir değişikliği tam çerçeve kesimden ayırır. |
| GIF89a arka plana geri yükleme imhası | 2 × 1 | 2 | 37.5% | Son yama birleştirilmeden önce imha türü 2'yi doğrular. |
| GIF89a önceki imhaya geri yükleme | 2 × 1 | 2 | 37.5% | Son yama birleştirilmeden önce atık türü 3'ü doğrular. |
| 27 karelik animasyon örneğine sahip olundu | 320 × 180 | 27 | 0.002378% | Kodu çözülmüş çerçeveler ve GIF89a imha kurallarını kullanan gerçek animasyonlu GIF referansı. |
Yöntemi, fikstürleri ve kesin sonuçları yeniden kullanın
JSON formülü, imha semantiğini, tarifleri, kanıt sınırını, sınırlamaları ve sahip olunan örnek parmak izini yayınlar. CSV analize hazırdır ve BibTeX dosyası istikrarlı bir alıntı sağlar.
Kendi GIF'nizi yerel olarak deneyin: aç yalnızca tarayıcıya yönelik ücretsiz GIF ön kontrolü. Seçilen dosya cihazda kalır, denetleyici için kaydolmaya gerek yoktur ve dosya adı içermeyen JSON raporu aynı yöntemi kullanır. Bu, GIF neslini ücretsiz veya anonim yapmaz.
Araştırma veri kataloğu
Açık kanıt sınırlarına sahip yedi yeniden kullanılabilir varlık
Bu katalog giriş ölçümlerini, GIF döngü sınırı kanıtlarını, tek çıkışlı insan incelemesini, metrik seçimini, resmi kaynak ürün incelemesini, API sözleşme incelemesini ve illüstrasyon piksel analizini ayrı tutar. Bir iddiayı bir kanıt türünden diğerine aktarmak yerine, kullandığınız belirli varlığı, sürümünü ve standart URL'sini belirtin. Web sitesi kanoniktir ve aşağıdakileri yayınlar: CFF alıntı dosyası, 16 kaynaklı Veri Paketi, DCAT 3 kataloğu, ve 19 dosyalı SHA-256 bildirimi. v1.6.2 deposunun tarihsel durumu, bağımsız olarak bir Software Heritage anlık görüntüsü tanımlayıcısına sahip swh:
Kontrollü girdi hazırlık kıyaslaması v1.0.0
Altı kontrollü görüntü varyantı, beş çözülmüş piksel ölçümü, kesin dönüşümler, dosya parmak izleri, JSON, CSV ve BibTeX. Kanonik veri kümesi: deepswapai.com/research.
GIF döngü dikiş delta referans fikstürleri v1.0.0
Bertaraf türleri 2 ve 3'ün yanı sıra bir adet sahip olunan 27 çerçeveli örnek de dahil olmak üzere, ilkten sonuncuya kadar yedi adet tekrarlanabilir birleştirilmiş çerçeve kasası. Değerler ham kanıtlardır; yüz veya kalite puanları değil. GIF fikstür veri kümesini açın.
Yüz değiştirme çıktı kalitesi puan kartı v1.0.0
Yerel hesaplamalı, yeniden kullanılabilir JSON ve CSV içeren ve biyometrik veya sağlayıcı düzeyinde iddialar konusunda açık sınırlamaları olan ayrı bir yedi kriterli insan inceleme rubriği. Skor kartını aç.
Yüz değiştirme değerlendirme metriği karar haritası v1.1.0
Her biri açık girdiler, ön koşullar ve yorumlama sınırları olan 9 kaynak atıflı değerlendirme ailesi artı 3 protokollü araştırma geçişi. Hiçbir metrik çalıştırılmaz ve hiçbir sağlayıcı puanlanmaz. Metrik haritasını aç.
Kaynak kontrollü yüz değiştirme araçları manzarası v1.0.0
Görünür bilinmeyenler ve çıktı kalitesi sıralaması olmadan 66 güncel resmi kaynak URL'si tarafından desteklenen 13 normalleştirilmiş ürün kaydı. Karşılaştırma veri kümesini aç.
Yüz değiştirme API sözleşme manzarası v1.0.0
21 güncel resmi kaynak URL'si tarafından desteklenen 6 normalleştirilmiş API kaydı. Bir oluşturma isteği çalıştırmadan veya sağlayıcıları sıralamadan uyumsuz fiyat birimlerini ve resmi kaynak çatışmalarını korur. API sözleşme veri kümesini aç.
Resmi gösterim paneli denetimi v1.0.0
Üç hizalanmış çözülmüş piksel bölgesi, kesin kırpma koordinatları, formüller, kaynak parmak izi, JSON, CSV ve BibTeX. Bir illüstrasyonu ölçer ve oluşturulan bir çıktıyı puanlamaz. Öncesi ve sonrası denetimini aç.
Kanonik araştırma kataloğunu indir
JSON-LD, yedi veri kümesinin tümünü, bunların kanıt sınırlarını, kanonik kayıtlarını, lisanslarını, alıntılarını ve dağıtımlarını açıklar. CSV, tablo araçları için aynı envanteri sağlar.
Atıf ve yeniden kullanım: “DeepSwapAI Kontrollü Görüntü Girdi Hazırlık Kıyaslaması v1, https://deepswapai.com/research”. The JSON, CSV, formüller, dönüşümler ve ölçüm meta verileri CC BY 4.0kullanır. Referans alınan örnek görseller DeepSwapAI'ye ait olmaya devam eder ve ilgisiz yeniden kullanım için yeniden lisanslanmaz.
Yorumlama sınırı
Deneyin neyi ortaya koyduğu ve neyin bilinmediği
Çözünürlük açıktır
Piksel boyutları ve dosya boyutu kesin özelliklerdir. Küçük bir görüntüyü büyütmek boyutları değiştirir ancak eksik kimlik ayrıntısını yeniden oluşturamaz.
Pozlama ölçülebilir kırpma bırakır
Kontrollü parlak varyant, örneklenen piksellerin %36,64'ünü vurgu kırpma aralığına taşır. Bu, kayıp giriş aralığını belirler, tahmin edilen bir çıktı kusurunu değil.
Bulanıklık yerel kenar değişimini azaltır
Yumuşak odak varyantı, bitişik kenar farkını 7,74'ten 2,68'e düşürür. Metrik sahne genelindedir ve bir yüzü izole etmez.
Sıkıştırma görsel inceleme gerektirir
Ağır JPEG sıkıştırması, yerel yapaylıklar oluştururken genel ortalamaları koruyabilir. Teknik bir ön kontrol, birkaç metriği yanlış bir kalite puanına dönüştürmemelidir.
Sınırlamalar: tek bir kaynak sahnesi bir popülasyon değildir. Analizör yüzleri, kimliği, izni, pozu, ifadeyi, bakışı, saçı, tıkanmayı veya model davranışını algılamaz. Gerçekçiliği, doğruluğu, işleme başarısını, tercihi veya nihai dışa aktarma kalitesini tahmin edemez.
Girdi kanıtından çıktı incelemesine
Oluşturmadan sonra ayrı bir protokol kullanın
Girdi ölçümleri ve çıktı gözlemleri farklı soruları yanıtlar. Temsili bir sonuç oluşturduktan sonra, bir çıktıyı model çapında bir iddiaya dönüştürmeden kimlik, harmanlama, poz, aydınlatma, tıkanma, teknik bütünlük ve zamansal kararlılığı belgelemek için yüz değiştirme kalite puan kartını kullanın.
Araştırma soruları
Kanıtı abartmadan cevaplar
Bu kıyaslama yüz değiştirme çıktı kalitesini ölçüyor mu?
Hayır. Yalnızca kontrollü giriş görseli özelliklerini ölçer. Hiçbir yüz değiştirme çıktısı oluşturulmamış, puanlanmamış veya karşılaştırılmamıştır.
Gerçekçi bir sonuç tahmin edebilir mi?
Hayır. Ölçümler, oluşturma modelini, kimliği, pozu, ifadeyi, tıkanmayı veya çıktıyı gözlemlemez.
Tabloda benzer görünen sıkıştırılmış bir örneği neden yayınlıyorsunuz?
Çünkü gerçek bir sınırlamayı ortaya çıkarır: küresel toplam ölçümler yerel JPEG yapaylıklarını gözden kaçırabilir.
Kendi görselimi nerede test edebilirim?
Yerel hazırlık denetleyicisini kullanın. Seçilen görseli yüklemeden tarayıcınızda aynı beş ölçüm tanımını uygular.
Verilere nasıl atıfta bulunabilir veya bunları nasıl yeniden kullanabilirim?
İndirilebilir BibTeX kaydını veya görünür atıf bildirimini kullanın. Ölçüm verileri ve meta veriler CC BY 4.0 kapsamındadır; atıfta bulunulan örnek görseller DeepSwapAI'ye aittir.
Kendi girdinizi yüklemeden ölçün
Yerel denetleyiciyi açın, her metriği ve uyarıyı inceleyin, ardından en küçük temsili oluşturma testini yapın.