# Jak v Pythonu hledat AI původ a AI úpravy fotografie

Rešerše pro tento proof of concept, 29. 10. 2026. Níže jsou konkrétní primární
zdroje a technické možnosti; nejde o vyčerpávající žebříček aktuálních detektorů.

## Co vlastně zjišťujeme

Rozlišujme tři odlišné otázky:

1. **Celý obrázek byl syntetizován.** Binární naučený klasifikátor může mít
   použitelný signál, ale závisí na generátorech a datech, které viděl při učení.
2. **Fotografie má lokální AI úpravu.** Inpainting, generative fill, výměna části
   scény nebo AI retuš mohou zabírat jen malé procento pixelů. Detektor celého
   obrázku je může minout. Pro lokalizaci je potřeba zvlášť trénovaný a testovaný
   segmentační model, ideálně s maskami skutečných úprav.
3. **Obrázek někdo upravil.** Komprese, barevná korekce, resize, HDR či odšumění
   jsou běžné. Stopu úpravy nelze automaticky přepsat na „AI“ nebo „podvrh“.

Z jednoho souboru nelze obecně prokázat, že vyobrazená událost opravdu nastala.
Ani správně rozpoznaný fotoaparát a platný podpis nevylučují vyfotografování
monitoru nebo zinscenování scény.

## Přehled metod a praktická volba

| Metoda | Jak funguje v Pythonu | Co může přinést | Hlavní omezení | Stav v aplikaci |
|---|---|---|---|---|
| EXIF, PNG text, XMP, IPTC | Pillow přečte metadata, pravidla hledají konkrétní označení nástroje/původu | Explicitní deklarace generátoru, parametry, kamera, software | Lze odstranit a podvrhnout; editor ≠ AI | Implementováno |
| C2PA / Content Credentials | `c2pa-python` čte manifesty, podpisy a stav validace | Prohlášení o původu a akcích svázané se souborem | Oddělit integritu, certifikační důvěru a pravdivost tvrzení; absence není důkaz | Implementováno pro vložené manifesty, offline |
| NPR, CVPR 2024 | PyTorch klasifikuje nearest-neighbor reziduum lokálních pixelů | Skóre syntetického původu z naučených znaků | Posun domény, noví generátoři, komprese a výřezy; skóre není jistota | Implementováno, skutečný checkpoint |
| UniversalFakeDetect, CVPR 2023 | CLIP ViT-L/14 reprezentace + trénovaná lineární vrstva | Přenos znaků mezi rodinami generátorů v experimentech autorů | Náročnější backbone, nová doména vyžaduje novou evaluaci | Rešerše, není spuštěno |
| CNNDetection, CVPR 2020 | ResNet klasifikátor s augmentacemi blur/JPEG | Důležitý baseline a referenční data | Starší trénovací distribuce a omezená generalizace | Rešerše + dva externí smoke vzorky, není další detektor |
| DIRE, ICCV 2023 | Diffusion reconstruction error + klasifikátor | Využívá chybu rekonstrukce difuzním modelem | Těžší modely a obvykle GPU; není to obyčejná JPEG ELA | Rešerše, není spuštěno |
| ELA / JPEG recompression | Pillow JPEG Q90/Q95 a absolutní rozdíl | Mapa citlivosti pixelů na opakovanou kompresi | Hrany a textury jsou světlé i bez manipulace; jen JPEG | Implementováno jako forenzní pomůcka |
| Reziduum / šum | SciPy mediánový filtr, MAD, vizualizace | Jemná struktura a nehomogenita pro další zkoumání | Obsah, ISO, resize a odšumění jsou velké konfúzní faktory | Implementováno, bez AI klasifikace |
| PRNU | Korelace reziduí s otiskem senzoru ze sady referenčních snímků | Shoda s konkrétním zařízením za vhodných podmínek | Potřebuje reference; tato aplikace je nemá | Není implementováno; náš šum není PRNU |
| FFT / spektrální stopy | NumPy FFT; případně učený frekvenční klasifikátor | Periodicita a artefakty některých syntéz | Běžné textury a komprese vytvářejí podobné vzory | Pouze vizualizace FFT, žádný FreqNet |
| Vizuální GPT-4o | Vision API popíše viditelné vady | Srozumitelný komentář konkrétních pozorování | Není forenzní klasifikátor, halucinuje; externí API | Volitelný opt-in, bez vlivu na závěr |

## Proč právě tato první verze

Praktický CPU PoC kombinuje **informaci o původu**, **jeden naučený detektor**
a **tři vysvětlitelné forenzní pomůcky**. Nejde o šest nezávislých AI detektorů.
Žádný „souhlas většiny algoritmů“ ani společné procento pravděpodobnosti nepočítáme.
ELA, FFT a šum jsou korelované a nejsou kalibrované na tutéž rozhodovací úlohu.

### NPR v této aplikaci

Pro rozměry dělitelné dvěma je vstupní reprezentace:

```python
small = interpolate(x, scale_factor=0.5, mode="nearest")
npr = x - interpolate(small, scale_factor=2.0, mode="nearest")
logit = network(npr * 2 / 3)
score = sigmoid(logit)  # vyšší = více syntetické podle modelu, ne P(AI)
```

Používáme autory zveřejněný `model_epoch_last_3090.pth` (ProGAN-4class), revize
`781ced3f7ca2cdc69ec9dd4ef27e8d0b3c07752a`, SHA-256
`b67a91555ce786a6d0463ff0cb2b0b874d1c3f971b0e3febd2ae5618a80f7e8a`.
Downloader kontroluje hash, loader používá `torch.load(weights_only=True)` a
striktní shodu parametrů. Nevykonáváme kód dodaný s checkpointem.

Architektura vychází z běžných torchvision ResNet bottlenecků, používá první dvě
stages, 3×3 stem a jeden výstup. Normalizace je ImageNet mean/std podle upstream
datového pipeline. Výpočet běží na CPU ve float32.

Kvůli dostupné latenci se analyzuje střed a rohy v nativních pixelech, až 5 výřezů
nejvýše 512 × 512, bez interpolace textur. Z každé strany se případně zkrátí jeden
pixel na sudý rozměr. Duplicity výřezů se odstraní. Vracíme dílčí skóre a průměr.
To se liší od plnoobrazové evaluace v článku a může minout malé AI úpravy mezi
výřezy. Výstup není segmentační mapa.

UI označí skóre ≥ 0,8 jako indicii, ≤ 0,2 jako příklon k fotografii a mezilehlé
hodnoty jako nejasné. Tyto prahy jsou **nekalibrovaná prezentační heuristika**;
nevydáváme je za optimální rozhodovací hranice a nedeklarujeme přesnost.
V experimentálním kódu autorů je běžný binární práh 0,5. Změna textových kategorií
nevytváří detektor se statisticky ověřenou specificitou.

### Metadata a C2PA

Hledáme strukturovaná metadata, nikoli název souboru nebo náhodné textové řetězce
uvnitř pixelových dat. Například PNG `parameters` obsahující `Steps: … Sampler:`
může pocházet z generátoru. `Software=Adobe Photoshop` prokazuje nanejvýš uvedený
software, nikoli Generative Fill. IPTC rozlišuje např. `trainedAlgorithmicMedia`
a `compositeWithTrainedAlgorithmicMedia`.

C2PA parsujeme oficiálním SDK. AI deklarace hledáme v **aktivním manifestu**,
nikoli v libovolné historické ingredienci. Vypisujeme SDK `validation_status`,
nevymýšlíme vlastní „platný podpis“ na základě pouhé přítomnosti řetězce `c2pa`.
Bez udržovaného seznamu důvěryhodných certifikačních autorit v tomto PoC
nepotvrzujeme důvěryhodného vydavatele. Nezakazujeme validaci podpisu ani vazby
na soubor. Stažení vzdáleného manifestu a OCSP je vypnuté, aby nahraný soubor
nezpůsoboval libovolné odchozí požadavky; takový manifest je označen neprovedeno.

### Obrazové mapy

ELA se počítá z původních JPEG pixelů, před zmenšením vizualizace. Mapu Q90
zesilujeme pevně 12×, aby normalizace nezměnila každou nepatrnou chybu na maximum.
Měříme průměr i 95. percentil rozdílu pro Q90/Q95. Barvy a hrany ovlivňují mapu.
Nevykreslujeme falešné bounding boxy „AI zásahu“.

Šum a FFT jsou omezené na 1024 px na straně. Tento resize je sám změnou obrazu
a je uveden ve výsledcích. U FFT odečteme průměr, aplikujeme Hannovo okno,
zobrazujeme `log(1 + amplituda)` po fftshift. Měřítko této vizualizace není
AI skóre. U průhledných vstupů skládáme barvy na bílé pozadí a tuto skutečnost
hlásíme; směšování alfa kanálu ovlivňuje obrazové metody.

## Jak ověřit užitečnost před praktickým rozhodováním

Funkční testy dokazují správné spuštění pipeline, nikoli detekční přesnost.
Před rozhodováním na základě výsledků připravte sadu odpovídající vašim datům:

- Originální fotky z různých zařízení, screenshoty, grafiku, skeny a běžné úpravy.
- Celé AI obrazy z více rodin a verzí generátorů, oddělené od trénovacích dat.
- Reálné fotografie s inpaintingem, generative fill, AI odšuměním/upscalem,
  ideálně s originály a maskami úprav.
- Každý originál i jeho exporty: JPEG Q95/Q75, resize, screenshot a sociální sítě.

Vyhodnoťte zvlášť citlivost, specificitu, false-positive rate, ROC-AUC/PR-AUC
a matici záměn. U lokalizace navíc pixelovou precision/recall/IoU. Kalibraci
a rozhodovací práh volte na validační sadě, potom zmrazte a testujte na oddělené
sadě. Nevkládejte deriváty stejné fotky do train i test. Uveďte složení dat,
verze modelů i rozdíl mezi syntézou celého obrazu a částečnou editací.

Výsledky několika ukázek nebo čísla z článku nejsou měřením přesnosti této
aplikace. Nejprve má smysl sbírat vlastní skutečné příklady a jejich známý původ.

## Zdroje

Primární README, datový pipeline, architektura a API dokumentace byly načteny
při implementaci. U článků níže vycházíme zejména z popisu a kódu autorů; zde
neopakujeme jejich benchmarková čísla jako vlastní měření.

1. [NPR — autoři, kód, checkpoint a inference](https://github.com/chuangchuangtan/NPR-DeepfakeDetection),
   [článek](https://arxiv.org/abs/2312.10461). V kontrolovaných kořenových souborech
   `LICENSE`/`LICENSE.md` nebyla nalezena explicitní licence; pro komerční využití
   a redistribuci vah ověřte podmínky u autorů. Váhy se stahují ze zdroje,
   necommitují se. Tento PoC není prohlášení o otevřené licenci těchto vah.
2. [UniversalFakeDetect — CVPR 2023](https://github.com/WisconsinAIVision/UniversalFakeDetect),
   [článek](https://arxiv.org/abs/2302.10174).
3. [CNNDetection — CVPR 2020](https://github.com/peterwang512/CNNDetection),
   [článek](https://arxiv.org/abs/1912.11035). Dvojice `examples/real.png` a
   `examples/fake.png` sloužila jen k ad hoc funkčnímu smoke testu NPR.
4. [DIRE — ICCV 2023](https://github.com/ZhendongWang6/DIRE),
   [článek](https://arxiv.org/abs/2303.09295).
5. [Oficiální c2pa-python](https://github.com/contentauth/c2pa-python),
   [API a použití](https://github.com/contentauth/c2pa-python/blob/main/docs/usage.md),
   [offline konfigurace](https://github.com/contentauth/c2pa-python/blob/main/docs/context-settings.md).
6. [IPTC Digital Source Type](https://iptc.org/standards/digital-source-type/).
7. [Pillow Image API](https://pillow.readthedocs.io/en/stable/reference/Image.html),
   [ImageChops difference](https://pillow.readthedocs.io/en/stable/reference/ImageChops.html).
8. [SciPy median_filter](https://docs.scipy.org/doc/scipy/reference/generated/scipy.ndimage.median_filter.html),
   [NumPy FFT](https://numpy.org/doc/stable/reference/routines.fft.html).
9. [OpenAI image inputs / vision](https://platform.openai.com/docs/guides/images-vision).
10. [Oficiální HF dokumentace Docker Spaces](https://huggingface.co/docs/hub/spaces-sdks-docker),
    [zdroj dokumentace](https://github.com/huggingface/hub-docs/blob/main/docs/hub/spaces-sdks-docker.md).