reverse-synthid

Este repositório documenta um esforço independente de engenharia reversa contra a marca d'água invisível SynthID do Google, usando apenas processamento de sinais e análise espectral, sem acesso ao codificador ou decodificador proprietário. Ele inclui tanto um detector de marca d'água quanto várias gerações de pipelines de remoção ("bypass") de marca d'água. Capacidades relatadas principais: - Um detector que identifica marcas d'água SynthID, com o README alegando aproximadamente 90% de precisão. - Descoberta de uma estrutura de frequência portadora dependente da resolução: as portadoras ficam em diferentes bins de frequência absoluta dependendo da resolução da imagem, então os codebooks armazenam perfis separados por resolução e selecionam automaticamente no momento do bypass. - Descobertas de consistência de fase: o template de fase é descrito como idêntico entre imagens do mesmo modelo Gemini, com o canal verde carregando o sinal mais forte e validação cruzada preto/branco usada para confirmar portadoras reais. Gerações de bypass: - V1: linha de base de compressão JPEG. - V2: transformações multi-estágio (ruído, cor, frequência). - V3: subtração de codebook espectral multi-resolução, relatada com PSNR de 43+ dB e grande queda na coerência de fase; mantida no repositório inalterada. - V4 (Rodada 06): um pipeline all-in-one de sete estágios combinando ida e volta pelo VAE do Stable Diffusion, deformação elástica, warp geométrico global, redimensionamento-squeeze, ajuste de cor/contraste, subtração FFT de fase residual e uma cadeia JPEG com ruído de luma e filtragem bilateral. Dois presets (`final`, `nuke`) são expostos via `--strengths`, e cada estágio é controlado por PSNR com rollback automático. O V4 também introduz um codebook de consenso de fase entre cores construído a partir de múltiplas imagens de referência de cor sólida por modelo e resolução, perfis por modelo para os modelos de imagem Gemini nomeados, e um loop de calibração humano-no-loop que atualiza os pesos das portadoras a partir de feedback de detecção manual. Ferramentas e fluxo de trabalho: - Projeto Python 3.10+ com scripts para baixar imagens de referência do Hugging Face, construir o codebook V4, executar dissolução em lote e calibrar a partir de feedback. - Um hook de detector de sanity-check para validar saídas contra o consenso do codebook antes da validação manual. - Uma adição de fork fornecendo uma GUI desktop de arrastar e soltar para o bypass V3, sem necessidade de linha de comando após a configuração. - As imagens de referência são hospedadas externamente para manter o repositório git leve; contribuidores são convidados a enviar saídas Nano Banana Pro puramente pretas/brancas. O README enquadra o trabalho como orientado à pesquisa, inclui um histórico rodada a rodada de tentativas e links para um visualizador explicativo do SynthID e artigos relacionados.