Fusion und die Decke – v1.9
Wie ich den strukturellen blinden Fleck des Warp-Fundaments diagnostizierte und brach, zusammengestellt aus meinen ursprünglichen Forschungsnotizbüchern.
Der Umgeher
Das Warp-Residuum liest Physik der fotografischen Aufnahme. Was passiert also bei KI-Bildern, die nie vorgaben, Fotografien zu sein? bahamut.jpg – ein Stück generierter Concept Art – gab mir die Antwort: Das Warp-Modell nannte es echt. Nicht-fotografische KI-Kunst hat kein Foto-PRNU, das zerbrechlich sein könnte; ihr Residuum sieht aus wie „hier ist kein Sensor“, was das auf Fotos trainierte Modell als harmlos liest.
Meine Diagnoseabbildung: Echte Fotos (blau) trennen sich sauber bei der Residuumsenergie, aber die Umgeher (orange – bahamut, gita1, Kunst aus dem Testsatz) gruppieren sich bei niedriger Kreuzkorrelation UND niedriger Residuumsstreuung. Ein einfaches Residuumsenergie-Gate trennt „diese Sonde ist anwendbar“ von „diese Sonde ist blind“.
Zuerst versuchte ich die Sackgasse und maß sie ehrlich: Über ein Dutzend handgefertigter globaler Low-Level-Features, zum Warp hinzugefügt, bewegten die Bild-AUC von 0,751 auf 0,754 (+0,003). Ein echtes Gemälde und ein KI-Gemälde sind auf niedriger Ebene nicht unterscheidbar – der Unterschied ist semantisch. Kein Feature Engineering auf diesem Substrat würde eine Kunstlücke schließen.
Der Fusions-Stack
In v1.9 behielt ich den Warp als Fundament und fusionierte zwei komplementäre, kommerziell saubere Signale über einen kleinen XGBoost-Kopf:
- DINOv2-small (eingefrorenes Embedding, Apache-2.0) – der semantische Kanal, der sieht, was für ein Bild das ist.
- Die Capture-Signatur (eine kompakte, lernfreie Feature-Familie, vollständig eigenentwickelt) – ein generatoragnostisches Kamerasignal: Das Demosaicing des Farbfilter-Arrays eines echten Sensors hinterlässt eine periodische Signatur im Frequenzbereich, die kein Generator reproduziert. Nur in nativer Auflösung – Herunterskalieren zerstört sie. Sauber gemessen trennt sie echt von KI mit 0,97 bei im Grunde einer einzigen Messung.
Die Zerlegung auf zurückgehaltenen, kunstangereicherten Daten:
| Stufe | Bild-AUC | Δ |
|---|---|---|
| Warp, pro Kachel | 0.606 | — |
| nur Warp, pro Bild | 0.726 | Aggregation |
| + DINOv2 | 0.871 | +0.145 |
| + Capture-Signatur | 0.897 | +0.026 |
Die Erkennung von KI-Kunst stieg von 35 % auf 92 %; bahamut → 0,99 generiert. Der Warp ist in diesem Stack nicht verkümmert – er fängt Fälle von Foto vs. KI-Foto ab, die DINOv2 verpasst, und verankert den Kopf. Ein Screenshot-Gate (eine lernfreie Heuristik für flache Pixel) schloss die verbleibende strukturelle Domäne: Ein Screenshot ist echt, aber keine Kameraaufnahme, und der kameraverankerte Stack würde sonst fälschlich Alarm schlagen.
Die Datensatz-Reise darunter
Nichts davon war messbar ohne Daten, die im Gleichschritt weiterentwickelt wurden, also habe ich den Korpus viermal neu aufgebaut:
- Lokal/synthetisch (v1) – Kamerafotos vs. FLUX.1-schnell. Genug, um die Residuumsidee zu beweisen.
- Die Skalierung des Korpus – öffentliche und gescrapte Pools, einschließlich Handy-Hard-Negatives in nativer Auflösung und Screenshots. Das brachte meine tatsächlichen Fehlermodi ans Licht.
- Der fehlerbewusste Retrain-Satz – Tausende pro Klasse, gezielt angereichert mit allem, was mein damaliges Modell falsch machte. Diagnosen pro Pool legten die zentrale Zahl offen: der KI-Kunst-Pool bei 28 % Genauigkeit – KI-Kunst als echt eingestuft, der blinde Fleck quantifiziert.
- Der Kunstkorpus – menschliche Kunst vs. KI-Kunst, gebaut um eine einzige stilgleiche CC0-Quelle, damit das Modell echt-vs.-KI lernt statt Stil-vs.-Epoche, plus WikiArt auf der echten Seite. Herkunftskuratiert und kommerziell unbedenklich.
Die dauerhafte Metaerkenntnis: Die Größe des Basisdatensatzes stagniert; Zusammensetzung und Kalibrierung dominieren. Ablationen allein über die Skalierung zeigten, dass eine um ein Mehrfaches größere Basis nichts brachte – jeder echte Gewinn nach v1.8 kam daher, was in den Daten war, nicht wie viel. (Mein früher Instinkt – „Datensätze sollten immer gemischt sein, aber stark auf die Kategorie gewichtet“ – entpuppte sich als Leitprinzip jedes Retrainings seither.)
Bei 0,89–0,90 AUC auf zurückgehaltenen Daten wurde der Fusions-Stack zum auslieferbaren kommerziellen Detektor. Er trug auch stillschweigend eine Annahme, die ich nie geprüft hatte: dass seine Generalisierung aus Physik kam und nicht aus Abdeckung. Das nächste Kapitel ist das Experiment, in dem ich diese Annahme gegen ungesehene Generatoren von 2025 getestet habe – und die Antwort, die meine gesamte Roadmap neu ordnete.