Το Steg.AI βάζει τη βαθιά μάθηση στη δουλειά σε μια έξυπνη εξέλιξη της υδατογράφησης

Η υδατογράφηση μιας εικόνας για σήμανση είναι δική του είναι κάτι που έχει αξία σε αμέτρητους τομείς, αλλά αυτές τις μέρες είναι πιο δύσκολο από την απλή προσθήκη ενός λογότυπου στη γωνία.

Στεγ.ΑΙ

επιτρέπει στους δημιουργούς να ενσωματώσουν ένα σχεδόν αόρατο υδατογράφημα χρησιμοποιώντας βαθιά εκμάθηση, αψηφώντας τα συνήθη αντίμετρα “αλλαγή μεγέθους και αποθήκευση”.

Η ιδιοκτησία ψηφιακών περιουσιακών στοιχείων είχε πολύπλοκα λίγα χρόνια, με τα NFT και τη γενιά AI να ανακινούν αυτό που ήταν ένα αρκετά χαμηλής έντασης πεδίο πριν. Εάν χρειάζεται πραγματικά να αποδείξετε την προέλευση ενός μέσου, έχουν υπάρξει τρόποι κωδικοποίησης αυτών των δεδομένων σε εικόνες ή ήχο, αλλά αυτοί τείνουν να νικηθούν εύκολα από ασήμαντες αλλαγές, όπως η αποθήκευση του PNG ως JPEG. Τα πιο ισχυρά υδατογραφήματα τείνουν να είναι ορατά ή ηχητικά, όπως ένα σαφώς ορατό μοτίβο ή κώδικας στην εικόνα.

Ένα αόρατο υδατογράφημα που μπορεί εύκολα να εφαρμοστεί, να ανιχνευτεί εξίσου εύκολα και το οποίο είναι ανθεκτικό σε μετασχηματισμό και επανακωδικοποίηση είναι κάτι που πολλοί δημιουργοί θα εκμεταλλευόταν. Η κλοπή IP, είτε σκόπιμη είτε τυχαία, είναι διαδεδομένη στο διαδίκτυο και η ικανότητα να λέμε «κοίτα, μπορώ να αποδείξω ότι το κατάφερα» — ή ότι μια τεχνητή νοημοσύνη το έκανε — είναι ολοένα και πιο ζωτικής σημασίας.

Η Steg.AI εργάζεται σε μια προσέγγιση βαθιάς μάθησης σε αυτό το πρόβλημα εδώ και χρόνια, όπως αποδεικνύεται από

αυτό το έγγραφο CVPR 2019

και τη λήψη κρατικών επιχορηγήσεων Φάσης Ι και ΙΙ SBIR. Οι συνιδρυτές (και συν-συγγραφείς) Eric Wengrowski και Kristin Dana εργάστηκαν για χρόνια πριν από αυτό στην ακαδημαϊκή έρευνα. Η Dana ήταν σύμβουλος PhD του Wengrowski.

Ενώ ο Wengrowski σημείωσε ότι αν και έχουν κάνει πολλές προόδους από το 2019, το έγγραφο δείχνει τη γενική μορφή της προσέγγισής τους.

«Φανταστείτε μια παραγωγική εταιρεία τεχνητής νοημοσύνης που δημιουργεί μια εικόνα και η Steg την υδατογραφεί πριν την παραδώσει στον τελικό χρήστη», έγραψε σε ένα email στο TechCrunch. «Ο τελικός χρήστης μπορεί να δημοσιεύσει την εικόνα που δημιουργήθηκε από AI στα μέσα κοινωνικής δικτύωσης. Τα αντίγραφα της αναπτυσσόμενης εικόνας θα εξακολουθούν να περιέχουν το υδατογράφημα Steg.AI, ακόμα κι αν η εικόνα έχει αλλάξει μέγεθος, συμπιεστεί, στιγμιότυπο οθόνης ή έχει διαγραφεί τα παραδοσιακά μεταδεδομένα της. Τα υδατογραφήματα Steg.AI είναι τόσο ισχυρά που μπορούν να σαρωθούν από μια ηλεκτρονική οθόνη ή να εκτυπωθούν χρησιμοποιώντας μια κάμερα

iPhone

».

Παρόλο που είναι κατανοητό ότι δεν ήθελαν να δώσουν τις ακριβείς λεπτομέρειες της διαδικασίας, λειτουργεί λίγο πολύ ως εξής: αντί να έχει ένα στατικό υδατογράφημα που πρέπει να τοποθετηθεί άβολα σε ένα κομμάτι μέσου, η εταιρεία έχει ένα ταιριαστό ζευγάρι μοντέλων μηχανικής εκμάθησης που προσαρμόζουν το υδατογράφημα στην εικόνα. Ο αλγόριθμος κωδικοποίησης προσδιορίζει τα καλύτερα μέρη για να τροποποιήσετε την εικόνα με τέτοιο τρόπο ώστε οι άνθρωποι να μην την αντιλαμβάνονται, αλλά ότι ο αλγόριθμος αποκωδικοποίησης μπορεί να διαλέξει εύκολα — αφού χρησιμοποιεί την ίδια διαδικασία, ξέρει πού να ψάξει.

Η εταιρεία το περιέγραψε ως λίγο σαν έναν αόρατο και σε μεγάλο βαθμό αμετάβλητο κώδικα QR, αλλά δεν είπε πόσα δεδομένα μπορούν πραγματικά να ενσωματωθούν σε ένα κομμάτι μέσου. Αν είναι πραγματικά κάτι σαν κωδικός QR, μπορεί να έχει ένα ή τρία kilobyte, το οποίο δεν ακούγεται πολύ, αλλά είναι αρκετό για μια διεύθυνση URL, κατακερματισμό και άλλα δεδομένα απλού κειμένου. Τα πολυσέλιδα έγγραφα ή καρέ σε ένα βίντεο θα μπορούσαν να έχουν μοναδικούς κωδικούς, πολλαπλασιάζοντας αυτό το ποσό. Αλλά αυτή είναι μόνο η εικασία μου.

Η Steg.AI έδωσε πολλές εικόνες με υδατογραφήματα για να τις επιθεωρήσω, μερικές από τις οποίες μπορείτε να δείτε ενσωματωμένες εδώ. Μου δόθηκαν επίσης (και μου ζητήθηκε να μην κοινοποιήσω) τις αντίστοιχες εικόνες πριν από το υδατογράφημα. ενώ σε προσεκτική επιθεώρηση ήταν ορατές κάποιες διαταραχές, αν δεν ήξερα να τις ψάξω, πιθανότατα θα τις είχα χάσει ή θα τις είχα διαγράψει ως συνηθισμένα τεχνουργήματα JPEG.

Εδώ είναι ένα άλλο, από το πιο διάσημο έργο του Hokusai:

Συντελεστές εικόνας:

Hokusai / The Art Institute of Chicago

Μπορείτε να φανταστείτε πώς ένα τέτοιο διακριτικό σημάδι μπορεί να είναι χρήσιμο για έναν πάροχο φωτογραφιών στοκ, έναν δημιουργό που δημοσιεύει τις εικόνες του στο

Instagram

, ένα κινηματογραφικό στούντιο που διανέμει αντίγραφα προέκδοσης μιας λειτουργίας ή μια εταιρεία που θέλει να επισημάνει τα εμπιστευτικά έγγραφά της. Και όλες αυτές είναι περιπτώσεις χρήσης που εξετάζει η Steg.AI.

Δεν ήταν ένα home run από την αρχή. Από νωρίς, αφού μιλήσαμε με πιθανούς πελάτες, «καταλάβαμε ότι πολλές από τις αρχικές μας ιδέες για προϊόντα ήταν κακές», θυμάται ο Wengrowski. Διαπίστωσαν όμως ότι η ευρωστία, ένας βασικός παράγοντας διαφοροποίησης της προσέγγισής τους, ήταν σίγουρα πολύτιμη και έκτοτε έχουν βρει έλξη μεταξύ «εταιρειών όπου υπάρχει έντονη όρεξη των καταναλωτών για διαρροή πληροφοριών», όπως οι μάρκες ηλεκτρονικών ειδών ευρείας κατανάλωσης.

«Είμαστε πραγματικά έκπληκτοι από την ανάσα των πελατών που βλέπουν βαθιά αξία στα προϊόντα μας», έγραψε. Η προσέγγισή τους είναι να παρέχουν ενσωματώσεις

SaaS

σε επίπεδο επιχείρησης, για παράδειγμα με μια πλατφόρμα διαχείρισης ψηφιακών περιουσιακών στοιχείων — με αυτόν τον τρόπο κανείς δεν χρειάζεται να το πει υδατογράφημα πριν το στείλει. Όλα τα μέσα εκτύπωσης επισημαίνονται και παρακολουθούνται ως μέρος της κανονικής διαδικασίας χειρισμού.

Εννοιολογική απεικόνιση μιας εφαρμογής Steg.AI που επαληθεύει μια εικόνα.

Μια εικόνα θα μπορούσε να εντοπιστεί στην πηγή της και οι αλλαγές που έγιναν στην πορεία θα μπορούσαν επίσης να εντοπιστούν. Εναλλακτικά, η εφαρμογή ή το API θα μπορούσαν να παρέχουν ένα επίπεδο εμπιστοσύνης ότι η εικόνα δεν έχει υποστεί χειραγώγηση – κάτι που θα εκτιμούσαν πολλοί υπεύθυνοι φωτογραφίας σύνταξης.

Αυτός ο τύπος πραγμάτων έχει τη δυνατότητα να γίνει πρότυπο του κλάδου — τόσο επειδή το θέλουν όσο και επειδή μπορεί να απαιτηθεί στο μέλλον. Οι εταιρείες τεχνητής νοημοσύνης μόλις πρόσφατα συμφώνησαν να συνεχίσουν την έρευνα σχετικά με την υδατογράφηση περιεχομένου τεχνητής νοημοσύνης και κάτι τέτοιο θα ήταν ένα χρήσιμο ενδιάμεσο κενό, ενώ εξετάζεται μια βαθύτερη μέθοδος ανίχνευσης δημιουργημένων μέσων.

Η Steg.AI έχει φτάσει μέχρι εδώ με επιχορηγήσεις NSF και επενδύσεις αγγέλων συνολικού ύψους 1,2 εκατομμυρίων δολαρίων, αλλά μόλις ανακοίνωσε έναν γύρο 5 εκατομμυρίων δολαρίων με επικεφαλής τον Paladin Capital Group, με συμμετοχή από την Washington Square Angels, το NYU Innovation Venture Fund και τους αγγέλους επενδυτές, Alexander Lavin , Eli Adler, Brian Early και Chen-Ping Yu.