Las imágenes de IA se generan; no proceden de una única plantilla
Los sistemas de difusión modernos suelen partir de ruido en una representación latente y lo eliminan de forma iterativa según un prompt, un modelo y determinados parámetros de generación. El proceso crea regularidades estadísticas en los píxeles, pero estas cambian según la familia del modelo, la resolución, las ediciones y la exportación. El artículo fundacional sobre difusión latente describe este proceso de generación.
Fuente: Latent Diffusion Models, CVPR 2022
Cuatro capas de evidencia responden a preguntas distintas
Patrones visuales
Un clasificador con versión identificada busca correlaciones espaciales y de frecuencia aprendidas. Aporta un indicio probabilístico, no una firma.
Metadatos del generador
Los nombres de programas, prompts, semillas, modelos y grafos de flujo de trabajo pueden identificar un proceso de generación, pero los metadatos ordinarios se pueden editar.
Procedencia firmada
Un manifiesto C2PA vincula declaraciones con los bytes del archivo y registra el estado de validación, los datos del firmante, las acciones y los recursos utilizados.
Marca de agua del proveedor
Una señal propietaria como SynthID necesita un verificador compatible del proveedor. Un análisis genérico de metadatos no puede sustituirlo.
Por qué los clasificadores visuales pueden discrepar
Los detectores experimentales aprenden correlaciones a partir de ejemplos conocidos. Los generadores nuevos, la compresión intensa, los recortes, las ilustraciones y ciertos procesamientos pueden alterar esas correlaciones. La investigación sobre detección espectral documenta artefactos útiles y la dificultad de generalizar entre generadores. Por eso, toda puntuación visual debe indicar el modelo, la versión y los umbrales utilizados.
Fuente: Any-Resolution AI-Generated Image Detection, CVPR 2025
Por qué los metadatos son útiles, pero no inmutables
Los bloques de texto PNG, EXIF, XMP y los registros específicos de una aplicación pueden contener el nombre del generador, un prompt o un grafo de ComfyUI. Cuando aparecen, son una evidencia sólida sobre ese archivo concreto. Aun así, una captura de pantalla, la recodificación, una red social o un editor configurado para borrar metadatos pueden eliminarlos.
Cómo se construyen las credenciales de contenido C2PA
Un manifiesto C2PA combina declaraciones, una reivindicación, una firma criptográfica y un vínculo fuerte con el recurso. La validación comprueba la estructura, los hashes de las declaraciones, el vínculo con el archivo, la firma, la marca de tiempo y la política de certificados. La especificación C2PA 2.4 define la procedencia y las pruebas de manipulación; no determina si el hecho representado es verdadero.
Fuente: C2PA Technical Specification 2.4
| Estado C2PA | Qué demuestra | Qué no demuestra |
|---|---|---|
| De confianza / válido | El manifiesto compatible y su vínculo con el archivo se validaron conforme a la política de confianza seleccionada. | Que todas las declaraciones sean objetivamente ciertas. |
| Válido, pero no confiable | La estructura y el vínculo son válidos, pero el firmante no figura en la lista de confianza seleccionada. | Que el firmante sea malicioso o que la imagen sea falsa. |
| No válido / manipulado | Falló la comprobación de una firma, una declaración o el vínculo con el archivo. | Qué edición o persona provocó el fallo. |
| Ausente | No se encontró ningún manifiesto compatible en esta copia. | Que la imagen proceda de una cámara o de una persona. |
SynthID y otras marcas de agua invisibles
Google DeepMind describe SynthID como una señal imperceptible incrustada en contenido generado y legible mediante un detector compatible. Google también documenta sus límites: un resultado negativo de SynthID solo se aplica a los sistemas de IA de Google compatibles, no a todos los generadores. Este sitio indica «SynthID no comprobado» salvo que exista una verificación compatible del proveedor.
Fuente: Google DeepMind — SynthID
Por qué nuestro informe por capas es más útil que un único porcentaje
- Identificar el contenedor antes de interpretar sus campos.
- Leer los registros PNG, EXIF, XMP y de flujo de trabajo compatibles sin considerar el nombre del archivo como prueba.
- Validar C2PA por separado con un lector conforme a la especificación y conservar los estados de validación.
- Ejecutar el modelo visual fijado como estimación independiente con umbrales publicados.
- Mostrar las contradicciones en lugar de promediar señales distintas en una cifra aparentemente concluyente.
Cómo interpretar el resultado
| Resultado | Interpretación precisa |
|---|---|
| Evidencia de IA encontrada | Se encontró un generador, un flujo de trabajo o una declaración explícita y compatible sobre el origen de IA. |
| Señal visual similar a la IA | El modelo visual superó su umbral conservador de presentación; aún puede haber resultados erróneos. |
| Señales inspeccionables | Existen metadatos o datos de procedencia, pero por sí solos no declaran una generación mediante IA. |
| Procedencia no válida | Falló una comprobación C2PA compatible y conviene revisarla. |
| No concluyente | No se encontró ninguna señal compatible concluyente en esta copia. |
¿Qué herramientas permiten verificar cada capa?
Usa un validador C2PA o un inspector de Content Credentials para la procedencia firmada; ExifTool para una inspección amplia de metadatos; ComfyUI para sus grafos incrustados; PNG Info de AUTOMATIC1111 para sus parámetros guardados; y el verificador del proveedor para las marcas de agua propietarias. La compatibilidad depende del formato y del proceso de exportación.
Preguntas frecuentes
¿Se pueden eliminar los metadatos de IA?
Sí. Los metadatos ordinarios y los registros del flujo de trabajo se pueden eliminar. La manipulación de C2PA puede detectarse mientras el manifiesto siga disponible, pero una copia posterior también puede omitirlo por completo.
¿La ausencia de C2PA significa que la foto es real?
No. Solo significa que esta copia no contiene un manifiesto C2PA compatible.
¿Puede una herramienta de IA editar una fotografía real?
Sí. La procedencia puede describir los recursos y las acciones, mientras que un modelo visual puede reaccionar solo a una parte de una composición.