Guía
Cómo funciona la detección de imágenes con IA
Explicación en lenguaje claro de las técnicas forenses detrás de herramientas como TrueFace.
Los detectores de imágenes IA buscan las pequeñas huellas que dejan los modelos generativos, los filtros de belleza y las cadenas de deepfake. El ojo humano no las ve, pero son ruidosas estadísticamente — si sabes dónde mirar.
1. Análisis en el dominio de la frecuencia
Las cámaras reales capturan luz a través de una lente, un sensor y un compresor JPEG. Esa cadena produce una firma de frecuencia muy específica — pequeño ruido de alta frecuencia repartido de forma uniforme. Los modelos generativos (difusión, GANs) tienden a suavizar en exceso las altas frecuencias y dejan artefactos periódicos. Una transformada de Fourier los revela como picos o rejillas antinaturales.
2. Inversión GAN y error de reconstrucción
Para rostros generados por IA, los detectores intentan proyectar la foto en el espacio latente de un generador conocido. Si el modelo puede reconstruir la cara casi perfectamente con un vector latente pequeño, la foto es estadísticamente cercana a algo que ese generador podría producir. Las fotos reales se resisten a esta inversión: el error de reconstrucción se mantiene alto.
3. Detección de filtros y retoques
Los filtros de belleza alisan la piel, agrandan los ojos, modifican el tono y afinan la geometría facial. Estas ediciones dejan huellas medibles: varianza de textura cutánea anormalmente baja, simetría por encima del rango humano natural y geometría local deformada en mandíbula y nariz. TrueFace mide estas señales por cara, no por imagen, para que una foto grupal donde solo una persona tiene filtros se marque correctamente.
4. Pistas específicas de deepfake
Los deepfakes de face-swap y lip-sync injertan una cara generada sobre un cuerpo real. Los detectores miran las costuras: cambios de color entre cara y cuello, ruido de compresión distinto dentro y fuera del rostro, dirección de iluminación inconsistente y ausencia de microexpresiones alrededor de los ojos.
5. Por qué ningún detector es 100 % preciso
Los modelos generativos mejoran cada mes, y una recompresión fuerte (captura → red social → captura otra vez) borra muchos artefactos. Un detector responsable devuelve una probabilidad, no un veredicto, y se usa mejor junto con el contexto (¿de dónde viene la foto?, ¿sobrevive el metadato?). TrueFace trata cada resultado como una señal forense, no como una prueba judicial.
Pruébalo
Sube cualquier retrato al escáner TrueFace y verás un desglose por rostro de las señales anteriores, con un veredicto codificado por color. Abrir el escáner.
Preguntas frecuentes
¿Cómo funcionan los detectores de imágenes con IA?
Analizan artefactos frecuenciales, error de inversión GAN, huellas de filtros y costuras de deepfake que dejan los modelos generativos. Cada señal se mide por rostro y se combina en una probabilidad, no en un veredicto binario.
¿Pueden los detectores de IA saber siempre si una foto es generada por IA?
No. Una recompresión fuerte (captura → red social → captura otra vez) puede borrar los artefactos, y cada nueva generación de modelos deja menos rastros. Un detector responsable devuelve una probabilidad acompañada de contexto.
¿Qué es la inversión GAN?
Proyecta una foto de vuelta al espacio latente de un generador conocido. Si reconstruye el rostro casi perfectamente con un vector latente pequeño, la imagen es estadísticamente cercana a algo que ese modelo podría producir.
¿Se pueden detectar los filtros de belleza en una foto?
Sí. Dejan rastros medibles: varianza de textura de piel anormalmente baja, geometría local deformada en mandíbula y nariz, y simetría por encima del rango humano natural. TrueFace los mide por rostro, por lo que en una foto de grupo con una sola persona filtrada se marca correctamente.
¿Qué tan preciso es TrueFace?
TrueFace devuelve una probabilidad entre 0 y 100 % por rostro junto con las señales subyacentes. En retratos limpios y sin comprimir la detección es muy fiable; las imágenes muy comprimidas o editadas se reportan con menor confianza.