Guias de verificação

O que capturas de tela e compressão JPEG mudaram em nosso teste de detecção de imagens por IA com 60 arquivos

Um estudo de caso reproduzível com 12 fontes e 60 arquivos sobre capturas de tela, redimensionamento, compressão JPEG, recodificação de metadados, credenciais C2PA e resultados de um modelo visual.

Capa do artigo com o título: O que capturas de tela e compressão JPEG mudaram em nosso teste de detecção de imagens por IA com 60 arquivos

Capturas de tela, redimensionamento e compressão JPEG não apenas reduzem o tamanho de um arquivo. Eles criam outro arquivo, podem remover informações de origem incorporadas e alterar a pontuação de um detector visual. Fizemos um estudo de caso controlado com 60 arquivos para mostrar como essas mudanças apareceram em uma amostra pequena e totalmente documentada.

O que testamos

Selecionamos 12 imagens de origem do repositório público de amostras AI Detector Arena: quatro fotos de câmera, quatro imagens geradas pelo Flux e quatro versões das fotos de câmera com edições visíveis. Os quatro temas eram animais, arte, comida e paisagens.

Cada arquivo de origem produziu cinco versões:

  • o original, idêntico byte a byte;
  • uma captura de tela real feita no Chrome, com a página exibida em 1280 por 900 pixels;
  • uma versão redimensionada com o lado mais longo limitado a 1024 pixels;
  • uma exportação JPEG com qualidade 60;
  • uma recodificação PNG sem metadados.

Para cada versão, registramos o hash SHA-256, formato, dimensões, tamanho em bytes, número de campos EXIF, resultado C2PA e saída bruta do modelo visual local do AIFakeScan. A execução usou c2patool 0.26.60 e `community-forensics-384.onnx` em 25 de setembro de 2026.

Baixar o CSV com os 60 resultados. Baixar o inventário das fontes. Baixar as configurações da execução.

O que aconteceu com a saída do modelo visual

A tabela apresenta a média das pontuações brutas de quatro arquivos em cada célula. São observações desta amostra, não taxas de precisão nem probabilidades calibradas.

Grupo de origemOriginalCaptura de telaRedimensionadoJPEG com qualidade 60Metadados removidos
Fotos de câmera0.00360.00210.01150.00200.0036
Fotos com edições visíveis0.00630.00140.01450.00310.0063
Imagens geradas pelo Flux0.99680.85690.71510.52260.9968

O grupo de imagens geradas foi o que mais mudou. Uma imagem de arte gerada passou de 0.9978 no original para 0.3240 após o redimensionamento e 0.0093 após a compressão JPEG. Uma paisagem gerada passou de 0.9900 para 0.4344 na captura de tela. Outros arquivos gerados permaneceram próximos de 1.0 após as mesmas transformações.

Essa variação mostra por que a pontuação de uma captura de tela não pode ser tratada como a pontuação de um original que não foi examinado. Ela também mostra por que editar um arquivo até um detector dar a resposta desejada não é um método válido de revisão.

O que aconteceu com as Credenciais de Conteúdo

Os quatro originais gerados continham um manifesto C2PA que declarava conteúdo gerado. O c2patool informou que o manifesto era válido, mas sua credencial de assinatura não estava na lista local de confiança; por isso, o resultado registrado foi válido, mas não confiável.

As versões em captura de tela, JPEG redimensionado, JPEG comprimido e sem metadados de cada um desses quatro arquivos não tinham Credencial de Conteúdo incorporada. Os oito arquivos de origem de câmera e editados também não tinham credenciais em nenhuma das versões testadas.

Esse resultado se aplica a essas formas de exportação. Ele não significa que todo redimensionamento ou editor necessariamente remove o C2PA. Uma credencial pode ser preservada ou substituída em um fluxo compatível com C2PA. Também não significa que um arquivo sem credencial seja autêntico.

O que aconteceu com os metadados

Nenhum dos 12 originais selecionados apresentou campos EXIF ao serem lidos pelo Pillow. Portanto, as versões sem metadados não demonstram a remoção de EXIF de câmera nesta amostra. Elas demonstram que uma recodificação com os mesmos pixels altera o hash e o contêiner do arquivo, mesmo quando a saída do modelo visual local permanece igual até seis casas decimais.

Essa limitação faz parte do resultado. Não afirmamos que metadados foram removidos quando os originais selecionados não tinham metadados a remover.

O que não testamos

Os arquivos selecionados não estavam documentados como produtos de um fornecedor de marca d’água proprietária compatível. Por isso, não executamos uma verificação oficial do SynthID ou de outra marca d’água de fornecedor, e esses campos permanecem em branco no registro. Em branco significa não executado, não ausente.

Também não enviamos esses arquivos a plataformas sociais. Nenhuma conclusão aqui descreve o que uma plataforma específica preserva ou remove.

Como verificar suas próprias versões

  1. Guarde o arquivo mais antigo que você tiver antes de abri-lo em um editor.
  2. Calcule o hash e identifique cada versão. Não sobrescreva o original.
  3. Use o verificador C2PA em cada arquivo para ver se há uma credencial e se a validação foi concluída.
  4. Se você suspeitar que a origem é uma IA do Google, siga o caminho de verificação do SynthID para cada versão relevante.
  5. Execute o detector de imagens de IA e registre o relatório completo e suas limitações, em vez de copiar apenas uma pontuação.
  6. Descreva o resultado como aplicável ao arquivo exato que foi verificado.

Limites deste estudo de caso

A amostra contém quatro imagens por grupo de origem e quatro temas. Ela foi selecionada para demonstrar um método reproduzível, não para estimar a precisão na população geral. O grupo editado usou uma única receita de edição visível. O modelo local é uma versão de um detector. Marcas d’água de fornecedores e distribuição por plataformas sociais não foram testadas. Consulte o registro completo, linha por linha, ao verificar qualquer resumo acima.

Perguntas frequentes

Uma captura de tela engana todos os detectores de imagens de IA?

Não. Nesta amostra, algumas capturas de imagens geradas permaneceram perto da pontuação original, enquanto outras mudaram bastante. Uma captura de tela é uma nova entrada e deve ser relatada como tal.

A ausência de C2PA prova que uma imagem é real?

Não. Isso significa que não foi encontrada uma credencial utilizável naquele arquivo. Muitos arquivos autênticos e gerados não têm credencial incorporada.

A pontuação visual bruta é uma porcentagem de precisão?

Não. Ela é uma saída do modelo observada para um arquivo. Este experimento não estima sensibilidade, especificidade ou precisão geral.

Perguntas e respostas

Uma captura de tela engana todos os detectores de imagens de IA?

Não. Nesta amostra, algumas capturas de imagens geradas permaneceram perto da pontuação original, enquanto outras mudaram bastante.

A ausência de C2PA prova que uma imagem é real?

Não. Isso significa apenas que não foi encontrada uma credencial utilizável naquele arquivo exato.

A pontuação visual é uma porcentagem de precisão?

Não. Ela é uma saída do modelo para um arquivo, e este estudo de caso não estima a precisão geral.

Fontes

  1. AI Detector Arena benchmark dataset — AI Detector Arena
  2. C2PA public test files and verifier context — C2PA
  3. c2patool release 0.26.60 — Content Authenticity Initiative
  4. AIFakeScan 60-row experiment record — AIFakeScan