Esta sección explica cómo realizar la solicitud con un archivo. Con una URL el proceso es similar: la diferencia principal es el endpoint que hay que llamar en el paso 1.
Directrices de envío
Dada la gran variabilidad de las imágenes, te recomendamos seguir estas sencillas directrices:- Envía al sistema la imagen más “cercana” a la fuente: por ejemplo, no envíes capturas de pantalla ni fotos de pantallas.
- Los modelos de análisis de imágenes no están entrenados actualmente para reconocer fotos de documentos: por lo tanto, si envías imágenes de este tipo, el resultado no es fiable.
- En el caso de imágenes tomadas de redes sociales, los resultados más precisos se obtienen enviando imágenes sin textos superpuestos ni las modificaciones típicas de la publicación en redes sociales.
- Si la imagen está disponible en otras fuentes, evita enviar enlaces de redes sociales, debido al posprocesamiento que aplican las distintas plataformas.
Envía una imagen mediante la API
Para clasificar una imagen, realiza una solicitud POST a/api/classification con los parámetros obligatorios (para más detalles sobre los parámetros, consulta la sección Referencia de la API).
Obtén los resultados
Usa el identificador recibido para obtener los resultados de la clasificación con una solicitud GET a/api/classification/{identifier} (para más detalles sobre cómo estructurar la solicitud, consulta la sección Referencia de la API).
¡Puede que la clasificación todavía no haya terminado! Si aún no se ha completado, sigue enviando la solicitud GET hasta que el resultado esté disponible.
Heatmap
La funcionalidad de heatmap (proporcionada por el modelo Ardē) ayuda a analizar los detalles de la imagen. Una imagen enviada sin heatmap podría detectarse como humana, mientras que el análisis de la misma imagen con heatmap podría poner de manifiesto rasgos artificiales. Esto se debe a cómo los modelos interpretan las imágenes que reciben como entrada. Si la heatmap está disponible para tu usuario, puedes solicitar el análisis con heatmap pasando el argumentowith_heatmap=true
Ardē:
score representa el área total humana o artificial. En el ejemplo,
el resultado indica que el 20% de la imagen se ha clasificado como artificial.
También puedes descargar la heatmap como imagen coloreada usando el endpoint correspondiente.
Smart Full Analysis
Smart Full Analysis es un modo de análisis avanzado diseñado para sacar el máximo partido al proceso de clasificación de imágenes. Un algoritmo de puntuación propietario identifica y selecciona automáticamente las áreas de la imagen con mayor contenido informativo, para que el análisis se centre en los detalles más relevantes. El enfoque funciona como un mapa de detección optimizado:- la imagen se divide en una selección específica de recortes de alto valor;
- cada recorte es analizado y clasificado por el modelo más avanzado disponible de la familia Revelio;
- los resultados de cada recorte se combinan en un veredicto global, teniendo en cuenta la información recogida en las distintas áreas de la imagen.
Smart Full Analysis es una versión avanzada e inteligente tanto del análisis completo estándar como de la heatmap: cuando está activado, sustituye a ambos.
with_smart_analysis=true:
Si Smart Full Analysis no está incluido en tu plan de precios, el parámetro
with_smart_analysis se ignora y la imagen se analiza con el scope estándar.XAI (eXplainable AI)
No solo un veredicto. Descubre qué observó la inteligencia artificial para llegar a su decisión. ¿Por qué Revelio clasificó una imagen o un vídeo como generado por IA? ¿Qué elementos del contenido llamaron más su atención? Con la nueva funcionalidad XAI – eXplainable AI, identifAI da un paso más hacia una mayor transparencia e interpretabilidad de sus modelos de clasificación. XAI es un nuevo scope de análisis que enriquece los veredictos de Revelio con un conjunto de herramientas visuales y descriptivas, diseñadas para ayudarte a entender dónde centró su atención el modelo durante el análisis.De la clasificación a la comprensión
Cuando XAI está activado, los modelos Revelio no se limitan a devolver un veredicto: también generan información sobre los puntos de atención que caracterizaron el proceso de clasificación. Esta información se convierte en tres herramientas complementarias:Attention Map
Ve dónde se concentra la atención. Una representación visual superpuesta al contenido original, que resalta las áreas en las que más se centró el modelo. Una forma inmediata e intuitiva de explorar lo que observó Revelio.
Attention Graph
Explora el análisis en profundidad. Un gráfico que muestra la evolución y los picos de la atención del modelo, con una perspectiva más técnica y detallada para quien quiera profundizar en el comportamiento del algoritmo.
Explicación impulsada por IA
De las imágenes a las palabras. Una descripción en lenguaje natural de las regiones que recibieron más atención, disponible en varios idiomas, para que la información producida por el modelo sea aún más accesible y fácil de interpretar.
Más transparencia, más herramientas para interpretar los resultados
Con XAI, identifAI ofrece nueva información para apoyar la interpretación de los resultados, complementando la clasificación tradicional con una perspectiva visual, analítica y descriptiva. Un paso adelante hacia una inteligencia artificial cada vez más transparente, comprensible y accesible.Disponible en la plataforma web y mediante API
XAI está disponible actualmente para el análisis de imágenes y de vídeos, tanto en la plataforma web de identifAI como mediante API, para que puedas integrarlo fácilmente en tus flujos de trabajo.¿Y el audio? ¡Estamos trabajando en ello! Nuestro objetivo es extender pronto estas capacidades también al análisis de contenidos de audio.
Activa XAI mediante la API
XAI se controla con los siguientes parámetros de la API para la clasificación de imágenes y de la API para la clasificación de imágenes desde URL:
Si XAI está incluido en tu plan de precios, puedes activarlo, junto con las explicaciones impulsadas por IA en italiano, así:
Si XAI no está incluido en tu plan de precios, el parámetro
with_xai se ignora y la imagen se analiza sin XAI.Mapas y explicaciones XAI en los resultados
Cuando XAI está activado, cada resultado por modelo enresults que haya producido al menos un mapa XAI contiene un array explanations, que enumera todos los mapas del modelo, con su explicación impulsada por IA:
Las explicaciones impulsadas por IA son resultados diferidos: se producen después del análisis principal, sin retrasarlo. El veredicto, los resultados de clasificación y la lista de los mapas XAI están disponibles en cuanto el
status del envío pasa a done, mientras que las descripciones se completan después: sigue el campo deferred_status del resultado de la clasificación, o establece deferred_webhook_url para recibir una notificación cuando estén completas.
description es null cuando:
- no se solicitaron las explicaciones impulsadas por IA (
with_llm_xaino establecido): los mapas se enumeran de todos modos, para que puedas descargarlos; - la explicación aún no está disponible, porque los resultados diferidos todavía están en curso;
- la explicación se solicitó pero no se pudo generar. Si esto ocurre por un error técnico,
deferred_statuseserrored, mientras que las explicaciones generadas para los demás mapas se siguen devolviendo: consulta Resultados diferidos. Los créditos de las explicaciones impulsadas por IA que no se pueden generar se reembolsan.
- las explicaciones solo las devuelve el endpoint del resultado de una clasificación: no se incluyen en las listas de clasificaciones ni en el payload enviado a
webhook_url. La notificación enviada adeferred_webhook_urlcontiene las descripciones en sus camposxaiyheatmaps; - los
resultspor modelo, y por tanto las explicaciones, solo se devuelven si tu plan de precios expone los detalles de los modelos; - cuando se solicita la heatmap, aparece con
typeheatmap(ymethodnull) en el resultado del modeloArdē; cuando está activado el Smart Full Analysis, su heatmap aparece en los resultados de los modelos que la produjeron.
Descarga el Attention Map y el Attention Graph
El Attention Map y el Attention Graph se pueden descargar como imágenes con el endpoint de descarga de los mapas XAI, indicando elmodel que produjo el mapa (tal como aparece en el campo model de los resultados por modelo), el method XAI (legrad, transformer_attribution o attention_rollout) y el type de mapa (attention_map, el predeterminado, o attention_graph):
explanations de cada resultado por modelo enumeran el type y el method de cada mapa disponible, también cuando no se solicitaron las explicaciones impulsadas por IA. Si no hay ningún mapa disponible para el modelo, el método y el tipo solicitados, el endpoint devuelve un error 404.
Directrices para interpretar los resultados
Para interpretar el resultado, te recomendamos centrarte en:- Revelio como resultado principal para el veredicto (la opción predeterminada de la plataforma), con mayor fiabilidad si hay rostros y personas.
- Aide para un análisis detallado con el apoyo de la funcionalidad de heatmap.
- Morphing, que solo debe tenerse en cuenta si hay rostros.
- Ellen, si la imagen procede de fuentes en las que se ha comprobado en el pasado el uso de herramientas de retoque fotográfico.
- V01 y Brokenwand solo en el caso de imágenes muy antiguas (y por tanto potencialmente generadas con sistemas que ya no se usan hoy).
- Prestar mucha atención al tamaño de las imágenes enviadas: el análisis con heatmap es especialmente exigente desde el punto de vista computacional y el tiempo de procesamiento aumenta considerablemente según el tamaño de la imagen. Las directrices recomiendan enviar imágenes con una resolución inferior a 2k (o 4 megapíxeles).
Ver también
Clasifica un vídeo
Descubre cómo iniciar la clasificación de un vídeo y saber si es auténtico o generado artificialmente
Clasifica un audio de voz
Descubre cómo iniciar la clasificación de un audio de voz y saber si es auténtico o generado artificialmente