As imagens de IA são geradas, não carimbadas a partir de um único modelo
Os sistemas de difusão modernos começam geralmente com ruído numa representação latente e removem-no gradualmente sob a influência de um prompt, de um modelo e das definições de geração. O processo cria regularidades estatísticas nos píxeis, mas estas variam entre famílias de modelos, resoluções, edições e exportações. O artigo fundamental sobre difusão latente descreve este processo de geração.
Fonte: Latent Diffusion Models, CVPR 2022
Quatro camadas de evidência respondem a perguntas diferentes
Padrões visuais
Um classificador com versão definida procura correlações espaciais e de frequência aprendidas. Fornece um indício probabilístico, não uma assinatura.
Metadados do gerador
Nomes de software, prompts, sementes (seeds), modelos e grafos de fluxo de trabalho podem identificar um processo de geração, mas os metadados comuns são editáveis.
Proveniência assinada
Um manifesto C2PA associa declarações aos bytes do ficheiro e regista o estado de validação, informações do signatário, ações e elementos de origem.
Marca de água do fornecedor
Um sinal proprietário como o SynthID exige o verificador compatível do fornecedor. Uma análise genérica de metadados não o pode substituir.
Porque os classificadores visuais podem divergir
Os detetores experimentais aprendem correlações a partir de exemplos de treino conhecidos. Novos geradores, compressão intensa, recortes, ilustrações e processamentos invulgares podem alterar essas correlações. Os estudos sobre deteção espectral documentam artefactos úteis e a dificuldade de generalizar entre geradores. Por isso, uma pontuação visual deve identificar o modelo, a versão e os limiares utilizados.
Fonte: Any-Resolution AI-Generated Image Detection, CVPR 2025
Porque os metadados são úteis, mas não imutáveis
Os blocos de texto PNG, EXIF, XMP e registos específicos de aplicações podem indicar explicitamente um gerador, um prompt ou um grafo ComfyUI. Quando existem, constituem evidência forte sobre esse ficheiro. Ainda assim, podem ser removidos por uma captura de ecrã, recodificação, rede social ou editor configurado para eliminar metadados.
Como são constituídas as Credenciais de Conteúdo C2PA
Um manifesto C2PA combina declarações, uma reivindicação, uma assinatura criptográfica e uma associação forte ao recurso. A validação verifica a estrutura, os hashes das declarações, a associação ao ficheiro, a assinatura, o selo temporal e a política de certificados. A especificação C2PA 2.4 define proveniência e indícios de alteração; não determina se o acontecimento representado é verdadeiro.
Fonte: C2PA Technical Specification 2.4
| Estado C2PA | O que permite concluir | O que não permite concluir |
|---|---|---|
| De confiança / válido | O manifesto suportado e a associação ao ficheiro foram validados segundo a política de confiança selecionada. | Que todas as declarações são objetivamente verdadeiras. |
| Válido, mas não confiável | A estrutura e a associação são válidas, mas o signatário não pertence à lista de confiança selecionada. | Que o signatário é mal-intencionado ou que a imagem é falsa. |
| Inválido / alterado | Falhou uma verificação da assinatura, de uma declaração ou da associação ao ficheiro. | Que alteração ou pessoa causou a falha. |
| Ausente | Não foi encontrado nenhum manifesto suportado nesta cópia. | Que a imagem veio de uma câmara ou foi criada por uma pessoa. |
SynthID e outras marcas de água invisíveis
A Google DeepMind descreve o SynthID como um sinal impercetível incorporado em conteúdo gerado e lido por um detetor compatível. A Google também documenta os seus limites: um resultado SynthID negativo aplica-se aos sistemas de IA da Google suportados, não a todos os geradores. Este site indica «SynthID não testado» quando não está disponível uma verificação compatível do fornecedor.
Fonte: Google DeepMind — SynthID
Porque o nosso relatório por camadas é mais útil do que uma única percentagem
- Identificar o contentor antes de interpretar os campos.
- Ler os registos PNG, EXIF, XMP e de fluxo de trabalho suportados, sem tratar nomes de ficheiros como prova.
- Validar o C2PA separadamente com um leitor conforme e preservar os estados de validação.
- Executar o modelo visual com versão fixa como uma estimativa separada e com limiares publicados.
- Mostrar as contradições em vez de combinar sinais sem relação numa pontuação aparentemente conclusiva.
Como interpretar o resultado
| Resultado | Interpretação estrita |
|---|---|
| Encontrada evidência de IA | Foi encontrada uma referência explícita e suportada a um gerador, fluxo de trabalho ou fonte de IA. |
| Sinal visual semelhante a IA | O modelo visual ultrapassou o limiar conservador de apresentação; continuam a ser possíveis resultados incorretos. |
| Sinais inspecionáveis | Existem metadados ou proveniência, mas estes não indicam, por si só, geração por IA. |
| Proveniência inválida | Falhou uma verificação C2PA suportada, que deve ser revista. |
| Inconclusivo | Não foi encontrado nenhum sinal decisivo suportado nesta cópia. |
Que ferramentas verificam estas camadas?
Utilize um validador C2PA ou um inspetor de Credenciais de Conteúdo para a proveniência assinada, o ExifTool para uma inspeção abrangente de metadados, o ComfyUI para os respetivos grafos incorporados, o PNG Info do AUTOMATIC1111 para os parâmetros guardados e o verificador do fornecedor para marcas de água proprietárias. A compatibilidade depende do formato e do método de exportação.
Perguntas frequentes
É possível remover metadados de IA?
Sim. Os metadados comuns e os registos de fluxo de trabalho podem ser removidos. As alterações ao C2PA são detetáveis enquanto o manifesto estiver disponível, mas uma cópia posterior também pode omitir todo o manifesto.
A ausência de C2PA significa que é uma fotografia real?
Não. Significa apenas que esta cópia não contém um manifesto C2PA suportado.
Uma ferramenta de IA pode editar uma fotografia real?
Sim. A proveniência pode descrever os elementos de origem e as ações, enquanto um modelo visual pode reagir apenas a uma parte da composição.