Об этом проекте

Этот репозиторий документирует независимые усилия по обратной разработке невидимого водяного знака изображений Google SynthID, используя только обработку сигналов и спектральный анализ, без доступа к проприетарному кодеру или декодеру. Он включает как детектор водяных знаков, так и несколько поколений конвейеров удаления водяных знаков ("обход"). Ключевые заявленные возможности: - Детектор, идентифицирующий водяные знаки SynthID, с заявленной в README точностью около 90%. - Обнаружение структуры несущих частот, зависящей от разрешения: несущие расположены в разных абсолютных частотных бинах в зависимости от разрешения изображения, поэтому кодовые книги хранят отдельные профили для каждого разрешения и автоматически выбирают их при обходе. - Выводы о фазовой согласованности: фазовый шаблон описывается как идентичный для изображений от одной модели Gemini, при этом зеленый канал несет самый сильный сигнал, а черно-белая перекрестная проверка используется для подтверждения истинных несущих. Поколения обхода: - V1: базовое сжатие JPEG. - V2: многоступенчатые преобразования (шум, цвет, частота). - V3: многоразрешающее спектральное вычитание кодовой книги, заявленное с PSNR 43+ дБ и большим падением фазовой когерентности; сохранено в репозитории без изменений. - V4 (Раунд 06): семиступенчатый универсальный конвейер, сочетающий цикл VAE Stable Diffusion, эластичную деформацию, глобальное геометрическое искажение, изменение размера-сжатие, коррекцию цвета/контраста, вычитание остаточной фазы БПФ и цепочку JPEG с яркостным шумом и билатеральной фильтрацией. Два пресета (`final`, `nuke`) доступны через `--strengths`, и каждый этап контролируется по PSNR с автоматическим откатом. V4 также вводит кодовую книгу перекрестной цветовой фазовой консенсусности, построенную из нескольких одноцветных эталонных изображений для каждой модели и разрешения, профили для каждой именованной модели изображений Gemini, а также цикл калибровки с участием человека, обновляющий веса несущих на основе ручной обратной связи детектора. Инструменты и рабочий процесс: - Проект на Python 3.10+ со скриптами для загрузки эталонных изображений с Hugging Face, построения кодовой книги V4, пакетного удаления и калибровки по обратной связи. - Хук детектора для проверки корректности выходных данных на соответствие консенсусу кодовой книги перед ручной проверкой. - Дополнение форка, предоставляющее настольный GUI с перетаскиванием для обхода V3, так что после настройки командная строка не требуется. - Эталонные изображения размещены внешне, чтобы поддерживать легкость git-репозитория; участникам предлагается отправлять чистые черно-белые выходные данные Nano Banana Pro. README позиционирует работу как исследовательскую, включает пошаговую историю попыток и ссылки на визуализатор SynthID и связанные статьи.