Об этом проекте

Remove AI Watermarks — это пакет Python и инструмент командной строки для работы с метаданными происхождения AI в изображениях и видео. В документации указано, что он предназначен для законного использования на контенте, который пользователь владеет или создал, и не нацелен на превью стоковых агентств или другие водяные знаки платного контента третьих сторон. Функции изображений включают проверку происхождения, опциональную классификацию AI-против-камеры и экспорт источника, удаление зарегистрированных видимых меток, ручное стирание областей и удаление метаданных. Распознаваемые видимые метки изображений включают блеск Google Gemini/Nano Banana, метки Doubao и Jimeng, Qwen, Kling AI, Yuanbao, Baidu, LiblibAI, RunningHub, а также калиброванные варианты Microsoft и Samsung. Заполнение может использовать OpenCV по умолчанию или опциональные бэкенды MI-GAN и LaMa. Поддержка метаданных охватывает C2PA, EXIF, XMP, IPTC, параметры генератора, метки AIGC Китая TC260 и сигналы вендоров. Удаление метаданных JPEG описывается как сохраняющее закодированное сканирование изображения. Для невидимых меток изображений основной путь CLI/API использует диффузионные пайплайны, такие как qwen-zimage, sdxl-zimage или chroma-zimage, для регенерации изображения; эти пайплайны требуют CUDA и не имеют запасного варианта для CPU или Apple GPU. Специализированный локальный путь Microsoft Paint InvisMark может проверять и нарушать проверенную полезную нагрузку локального Watermarker.dll с меньшими изменениями пикселей и без CUDA. Опциональный пост-проход с проверенным текстом принимает текстовые манифесты, проверенные оператором. Команды видео могут идентифицировать происхождение, проверять или удалять метаданные, удалять зарегистрированные видимые метки, обрабатывать каталоги и запускать опциональный профиль регенерации невидимых пикселей. Поддерживаемые контейнеры включают MP4, MOV, M4V, WebM, MKV, AVI и FLV. Поддержка видимых видео перечисляет Sora 2, текущие и устаревшие метки Veo, Seedance, Doubao, Dola, Hailuo AI и Kling AI. Детектор требует стабильной повторяющейся метки на соседних кадрах; аудио копируется, измененное видео транскодируется, и обработка временной согласованности включена по умолчанию. Обработка метаданных избегает транскодирования потока, где это возможно, с обработкой, специфичной для формата тегов TC260 и метаданных контейнера. Опциональный путь видео SynthID использует калиброванный профиль регенерации VAE с общим временным латентным шумом. Проект утверждает, что его профиль шума по умолчанию прошел задокументированные проверки провайдера-оракула на конкретных образцах, но также отмечает, что Google не предоставляет локальный декодер, результаты не гарантированы для каждого файла, системы провайдера могут меняться, и важные выходные данные следует перепроверять. В README сообщается, что статус скопированного аудио водяного знака не проверен. Пакет распространяется через модульные расширения для метаданных, видимого удаления, обработки видео, обнаружения, классификации, диффузии, пикселей, HEIF, TrustMark, MI-GAN, LaMa и других функций. Высокоуровневые Python API принимают пути к файлам или массивы NumPy BGR и охватывают отдельные файлы, пакеты, проверку метаданных, видимое удаление, обработку видео и диффузионные рабочие процессы. Репозиторий также документирует навык агента, отдельную интеграцию ComfyUI и хостинг-версию на raiw.cc. Важные ограничения включают возможные изменения лиц, текста, разрешения, частоты кадров или мелких деталей; отклонение HDR/PQ/HLG и видео с глубиной цвета более 8 бит для видимого пути; а также принцип, что отсутствие локального сигнала означает неизвестность, а не подтвержденную чистоту.