检测去除AI指纹,删除元数据、添加胶片颗粒、重新压缩,绕过AI图像检测器,适用于Midjourney等。
AI 图像 De-Fingerprinting Skill. 综合CLI 用于从 AI 生成的图像中移除AI 检测模式. 变形器可探测的AI 图像使用多pl将类
功能概述
AI 图像 De-Fingerprinting Skill. 综合CLI 用于从 AI 生成的图像中移除AI 检测模式. 变形器可探测的AI 图像使用多pl将类是一项面向实际任务的技能。它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。
核心要点
- 使用时应结合输入条件选择合适的执行方式,核对必要参数、依赖环境与输出内容,并按原始要求处理异常情况。
- 该技能适合需要稳定复用相关能力的场景,可作为自动化工作流的一部分,也便于后续检查、调整和扩展。
- 从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。
使用与执行
实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。
结果检查与注意事项
执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。
AI 图像去指纹识别技能
一款功能全面的命令行工具,用于从 AI 生成图像中移除 AI 检测特征。通过多种图像处理技术,将可被检测的 AI 图像转化为类似真实相机拍摄的照片。
支持的模型: Midjourney、DALL-E 3、Stable Diffusion、Flux、Firefly、Leonardo 等。
快速开始
# 基础处理(中等强度) python scripts/deai.py input.png # 指定输出文件 python scripts/deai.py input.png -o output.jpg # 调整处理强度 python scripts/deai.py input.png --strength heavy # 仅剥离元数据(最快) python scripts/deai.py input.png --no-metadata # 批量处理目录 python scripts/deai.py input_dir/ --batch # 纯 Bash 版本(无需 Python) bash scripts/deai.sh input.png output.jpg
工作原理
AI 生成图像包含多个检测层面:
检测向量
- 元数据:揭示生成工具的 EXIF 标签、C2PA 水印
- 频域特征:扩散模型特有的 DCT 系数模式
- 像素模式:过度平滑、不自然的噪声分布
- 视觉特征:完美光照、重复纹理
处理流程
本去指纹识别流程共包含 7 个变换阶段:
输入 → 元数据剥离 → 颗粒添加 → 色彩调整 → 模糊/锐化 → 缩放循环 → JPEG 重压缩 → 最终元数据清理 → 输出
各阶段详情
| 阶段 | 目的 | 技术 |
|---|---|---|
| 元数据剥离 | 移除 EXIF/C2PA/JUMBF 标签 | ExifTool |
| 颗粒添加 | 添加相机传感器噪声 | Poisson/Gaussian 噪声叠加 |
| 色彩调整 | 打破色彩分布模式 | 对比度/饱和度/亮度微调 |
| 模糊/锐化 | 干扰边缘检测模式 | Gaussian 模糊 + Unsharp Mask |
| 缩放循环 | 引入重采样伪影 | 先缩小再使用 Lanczos 算法放大 |
| JPEG 重压缩 | 添加压缩伪影 | 质量值 75 → 95 循环压缩 |
| 最终清理 | 确保无元数据泄露 | 再次运行 ExifTool |
处理强度
请根据检测风险与画质之间的权衡选择强度:
| 强度 | 说明 | 成功率 | 画质损失 |
|---|---|---|---|
light |
最小化处理,最大程度保留画质 | 35–45% | 极低 |
medium |
均衡模式(默认) | 50–65% | 低 |
heavy |
激进处理 | 65–80% | 中等 |
成功率 = 通过主流 AI 检测器(Hive、Illuminarty、AI or Not)的图像占比
使用示例
单张图像处理
# 默认中等强度 python scripts/deai.py ai_portrait.png # 对高质量图像采用轻量处理 python scripts/deai.py artwork.png --strength light -o clean_artwork.jpg # 对顽固检测结果采用高强度处理 python scripts/deai.py midjourney_out.png --strength heavy
批量处理
# 处理整个目录 python scripts/deai.py ./ai_images/ --batch -o ./cleaned/ # 指定强度进行批量处理 python scripts/deai.py ./gallery/*.png --batch --strength heavy
仅元数据模式
# 仅剥离元数据(即时完成,无画质损失) python scripts/deai.py image.jpg --no-metadata
使用 Bash 版本
# 无需 Python/Pillow,纯 ImageMagick + ExifTool 实现 bash scripts/deai.sh input.png output.jpg # 指定处理强度 bash scripts/deai.sh input.png output.jpg heavy
依赖项
必需依赖
- ImageMagick(7.0+)—— 图像处理引擎
- ExifTool —— 元数据操作工具
- Python 3.7+(用于 deai.py)
- Pillow —— Python 图像处理库
- NumPy(用于 deai.py)
检查安装状态
bash scripts/check_deps.sh
该脚本将验证所有依赖是否已安装,并在缺失时提供对应安装命令。
手动安装
Debian/Ubuntu:
sudo apt update sudo apt install -y imagemagick libimage-exiftool-perl python3 python3-pip pip3 install Pillow numpy
macOS:
brew install imagemagick exiftool python3 pip3 install Pillow numpy
Fedora/RHEL:
sudo dnf install -y ImageMagick perl-Image-ExifTool python3-pip pip3 install Pillow numpy
命令参考
deai.py(Python 版本)
python scripts/deai.py [options] 参数: input 输入图像文件或目录(批处理模式) 选项: -o, --output FILE 输出文件路径(默认:input_deai.jpg) --strength LEVEL 处理强度:light|medium|heavy(默认:medium) --no-metadata 仅剥离元数据,跳过图像处理 --batch 处理整个目录 -q, --quiet 抑制进度输出 -v, --verbose 显示详细处理步骤 示例: python scripts/deai.py image.png python scripts/deai.py image.png -o clean.jpg --strength heavy python scripts/deai.py folder/ --batch
deai.sh(Bash 版本)
bash scripts/deai.sh
理解检测机制
主流 AI 检测器
| 检测器 | 方法 | 绕过率 |
|---|---|---|
| Hive Moderation | 深度学习模型 | 50–70%(中等强度) |
| Illuminarty | 计算机视觉分析 | 60–75%(中等强度) |
| AI or Not | 二分类模型 | 55–70%(中等强度) |
| SynthID | 像素级水印 | 35–50%(高强度) |
| C2PA Verify | 元数据检测 | 100%(元数据剥离后) |
本技能无法实现的功能
❌ 并非万能方案:
- 无法保证 100% 绕过所有检测器
- 高级检测器(如 SynthID)需更激进的处理策略
- 新型检测方法可能持续出现
❌ 局限性:
- 处理过程必然导致图像质量下降(需权衡取舍)
- 部分检测器融合多层信息(元数据 + 像素 + 频域)
- 过度激进处理可能引入肉眼可见的伪影
✅ 本技能实际能力:
- 显著降低检测概率(40–80%)
- 彻底移除元数据水印(100% 有效)
- 维持合理视觉质量
- 支持整批图像自动化处理
验证流程
处理图像:
python scripts/deai.py ai_image.png -o clean.jpg --strength medium
在多个检测器上测试:
- Hive Moderation
- Illuminarty
- AI or Not
若仍被检测到:
- 提升强度:
--strength heavy - 尝试多次处理
- 人工微调(在图像编辑器中添加轻微噪声)
- 提升强度:
质量检查:
- 对比原始图像与处理后图像
- 确认无可见伪影
- 验证色彩与细节是否得以保留
高级用法
自定义处理流程
编辑 scripts/deai.py 文件以调整参数:
# 噪声强度(约第 80 行) noise = np.random.normal(0, 3, img_array.shape) # 将 3 → 5 可增强颗粒感 # 对比度调整(约第 95 行) enhancer.enhance(1.05) # 将 1.05 → 1.08 可增强效果 # JPEG 质量(约第 120 行) img.save(temp_path, "JPEG", quality=80) # 将 80 → 70 可增加压缩量
与外部工具协同使用
# 步骤 1:去指纹识别 python scripts/deai.py ai_gen.png -o step1.jpg # 步骤 2:添加细微纹理覆盖(GIMP / Photoshop) # (需手动操作) # 步骤 3:再次剥离元数据 exiftool -all= step1_edited.jpg
最佳实践
社交媒体发布
- 推荐使用
medium强度(兼顾效果与画质) - 输出格式建议为 JPEG(通用兼容性最佳)
- 正式发布前,请先在目标平台上传流程中测试
专业用途
- 建议从
light强度起步(优先保障画质) - 每张输出图像均需人工复核
- 原始图像应存于安全存储环境
- 完整记录处理步骤
研究与测试用途
- 建议使用
heavy强度进行压力测试 - 横向对比多个检测器结果
- 系统性记录成功/失败模式
法律与伦理声明
⚠️ 请负责任地使用:
本工具适用于以下场景:
- ✅ 个人创意项目
- ✅ 关于 AI 检测的学术研究
- ✅ 授权范围内的安全测试
- ✅ 理解检测机制原理
禁止用于以下场景:
- ❌ 欺诈或误导行为
- ❌ 冒充人类创作者
- ❌ 未经授权绕过平台政策
- ❌ 制作具有误导性的内容
潜在法律风险:
- 部分司法管辖区(例如《COPIED 法案 2024》)可能限制水印移除行为
- 多数平台服务条款明确禁止 AI 内容伪装
- 商业用途可能涉及额外法律合规要求
您须自行承担遵守适用法律法规及平台服务条款的责任。
故障排查
“Command not found: exiftool”
# 安装 ExifTool sudo apt install libimage-exiftool-perl # Debian/Ubuntu brew install exiftool # macOS
“ImportError: No module named PIL”
pip3 install Pillow numpy
“ImageMagick policy.xml blocks operation”
# 编辑 /etc/ImageMagick-7/policy.xml # 将:# 改为:
大尺寸图像处理缓慢
# 处理前预缩放 magick large.png -resize 2048x2048> resized.png python scripts/deai.py resized.png
输出图像颗粒感/噪点过强
# 使用轻量强度 python scripts/deai.py input.png --strength light
开发
运行测试
# 测试依赖检查 bash scripts/check_deps.sh # 单图测试(详细日志) python scripts/deai.py test_images/sample.png -v # 批处理测试 mkdir test_output python scripts/deai.py test_images/ --batch -o test_output/
参与贡献
欢迎提交改进!重点关注方向包括:
- 新型检测绕过技术
- 画质保持算法优化
- 扩展图像格式支持(HEIC、AVIF)
- 与检测 API 的集成
参考文献
检测研究:
- Hu, Y., et al. (2024). "Stable signature is unstable: Removing image watermark from diffusion models." arXiv:2405.07145
- IEEE Spectrum:UnMarker 工具分析
开源项目:
- Synthid-Bypass — ComfyUI 水印移除插件
- C2PAC — C2PA 元数据处理工具集
检测工具:
- Hive Moderation
- Content Credentials Verify
- Google SynthID
版本: 1.0.0
许可证: MIT(限教育/研究用途)
维护者: voidborne-d
最后更新: 2026-02-23
热门AI工具
相关专题
Vite项目打包部署专题汇集生产构建、产物预览、输出目录、资源路径、Nginx与GitHub Pages部署及常见白屏和路由404问题的已审核文章,帮助读者完成上线流程。
0
2026.10.28
Vite搭配Vue.js专题汇集创建Vue 3项目、配置开发环境、路径别名、Vue插件、代理、多环境构建与调试的已审核文章,帮助读者完成从初始化到日常开发的配置。
0
2026.10.28
Vite项目目录专题汇集入口文件、src源码、public静态资源、路径别名、项目根目录和构建输出目录相关的已审核文章,帮助读者理解各文件夹的用途与引用方式。
0
2026.10.28
本专题介绍Gradle插件开发的基本流程,涵盖插件类编写、自定义任务注册、扩展参数设计和插件应用方法,帮助你理解插件如何组织构建逻辑,减少多个项目之间的重复配置。
0
2026.10.22
本专题介绍Gradle Wrapper的基本作用,涵盖文件组成、生成方法、版本配置和任务调用,帮助你理解项目如何使用指定的Gradle版本,减少不同开发环境带来的构建差异。
0
2026.10.22
本专题整理Golangci-lint常用Linters的用途与配置方法,覆盖错误处理、无效代码、安全、复杂度、命名和依赖检查,帮助项目合理选规则。
0
2026.10.22
本专题介绍Gradle Java项目构建方法,涵盖Java插件配置、依赖声明、源码编译、测试执行和打包检查,帮助你理解各阶段的任务关系,逐步完成项目构建。
0
2026.10.22
本专题汇总PHP常见时间戳漏洞,包括2038年溢出、时区漂移、时间戳伪造、重放攻击、时间盲注与日志审计失效等,并给出升级64位环境、使用 DateTimeImmutable、统一UTC、严格超时校验、预处理绑定、hash_equals 比对等修复方案,帮助开发者快速排查和加固时间相关代码。
0
2026.10.22
本专题聚焦Golangci-lint YAML配置文件,讲清运行参数、规则启停、目录排除、问题过滤及严重级别设置,便于团队统一检查标准。
0
2026.10.22
热门下载
相关下载
精品课程
共6课时 | 12.1万人学习
共79课时 | 161.6万人学习
共6课时 | 54.7万人学习