Detector de imágenes ia: guía práctica de verificación

Tienes una imagen en tu pantalla y una sola pregunta: ¿real o generada? Un detector de imágenes ia te dará un porcentaje en tres segundos, y ese número falla más a menudo de lo que la interfaz te hace sentir. Aquí está lo que aguanta, lo que se rompe, y la rutina que un director de arte puede correr antes de que una imagen entre en una presentación a clientes.

Versión corta: trata un detector como una alarma de humo, no como un juez.

¿Qué observa realmente un detector de imágenes ia?

La mayoría de los detectores son clasificadores entrenados en dos pilas: fotos de cámaras, y outputs de generadores como Midjourney, Stable Diffusion y DALL-E. Aprenden hábitos estadísticos. Patrones de ruido, artefactos de frecuencia, la forma en que la textura fina se repite cuando un modelo rellena detalles.

Ese es todo el truco. Sin magia, solo un modelo que ha visto muchas de ambas pilas. También explica la debilidad principal. Un detector es solo tan bueno como los generadores en los que se entrenó, y los generadores cambian cada pocos meses.

Algunas herramientas añaden una segunda capa: leen datos de procedencia y marcas de agua. Esos son un animal diferente, y los revisamos más adelante.

¿Qué tan precisos son realmente?

Depende de quién sostenga la regla. Un resumen que ejecutó ocho herramientas en un pequeño conjunto de fotos reales más Midjourney v6, DALL-E 3 y outputs de Stable Diffusion reporta Hive Moderation alrededor del 94% e Illuminarty alrededor del 91%. Son números decentes en archivos limpios y sin comprimir.

Ahora lee la letra pequeña. El mismo artículo admite que la precisión del mundo real cambia con la edición posterior y con la compresión al subir. Los proveedores también publican sus propios benchmarks, lo cual es un poco como un chef revisando su propio restaurante.

Aquí está la prueba que harías, y la que puedes hacer en diez minutos. Toma tres grupos de archivos cuyo origen conoces:

• outputs directos de Midjourney v7 y Flux

• los mismos archivos después de una captura de pantalla y un nuevo guardado en JPEG

• fotos reales y escaneos, incluyendo película antigua

Espera tres cosas. Las generaciones limpias se detectan la mayoría de las veces. Las copias guardadas nuevamente se detectan notablemente menos. Y algunas fotos reales, especialmente las suaves o muy retocadas, se marcan como ia. Ese último grupo es el que nadie pone en la página de destino.

Los proveedores publican números de falsos positivos. Una herramienta cita una tasa de 0,16% en 10.000 imágenes humanas anteriores a 2022, lo cual es impresionante, pero es el benchmark propio del proveedor en un conjunto de datos específico. Tu foto de cliente retocada y sobreagudizada no es ese conjunto de datos.

Salta cualquier herramienta que muestre un único porcentaje confiado sin explicación. Vale la pena usar: herramientas que muestran qué región de la imagen se ve mal, y que admiten cuando no están seguras.

¿Por qué las capturas de pantalla y los nuevos guardados arruinan el resultado?

Porque la evidencia vive en lugares frágiles. Las huellas dactilares a nivel de píxeles en las que los clasificadores confían se nublan por cambio de tamaño, recompresión y filtros. Instagram, X y la mayoría de las aplicaciones de chat hacen los tres en el momento en que subes.

La misma historia para metadatos. Las credenciales de contenido y los campos EXIF se sientan en el contenedor de archivos, y las plataformas regularmente los eliminan. Una credencial faltante no prueba nada. No significa que la imagen sea falsa, y no significa que sea real.

Esa es la parte que la gente pierde. La ausencia de una señal no es una señal.

Marcas de agua y credenciales de contenido: señal mejor, cobertura más pequeña

Dos sistemas importan en 2026. Las Credenciales de Contenido del estándar C2PA adjuntan un registro firmado de la herramienta y las ediciones al archivo. Las marcas de agua de estilo SynthID incrustan una señal invisible en los píxeles en el momento de la generación. Este explicador sobre C2PA versus SynthID expone bien la división: las credenciales te cuentan la historia de un archivo, la marca de agua te dice qué generador lo hizo, y ninguna funciona sin que el generador juegue a colaborar.

Cuando están presentes, superan cualquier clasificador. Una firma válida es evidencia, no una conjetura.

El problema es la cobertura. Los modelos abiertos se ejecutan localmente, así que nadie tiene que adjuntar nada. Si tu referencia salió de una tubería casera de Flux o SD3.5, no esperes nada. Roba esta regla: un acierto de procedencia positiva es fuerte, uno negativo es silencio.

La rutina del director de arte: cinco verificaciones antes de confiar en un resultado

Los detectores son una entrada. Este es el orden en el que trabajamos.

1. Mira la imagen al 200% primero. Manos, dientes, joyas, texto en señales, la costura donde el cabello se encuentra con el fondo. Dichos viejos, pero todavía atrapan lo perezoso.

2. Pide el archivo original. Un RAW de cámara o un PSD en capas vale más que cualquier puntuación.

3. Ejecuta dos detectores, no uno. Si no están de acuerdo, ese desacuerdo es tu hallazgo.

4. Búsqueda inversa de imágenes. Una foto real generalmente tiene historial. Una generación fresca generalmente no tiene ninguno.

5. Comprueba los datos de procedencia si el archivo tiene algo que queda.

Nada de esto es rápido. No tiene que serlo. Solo lo ejecutas cuando la imagen importa: un resumen de cliente, una entrada de concurso, una fuente que planeas acreditar.

¿Qué significa una puntuación de detector cuando dice 60%?

No mucho. Un output de clasificador es una confianza de un modelo, no una probabilidad de que la imagen sea falsa en el mundo real. Las diferentes herramientas calibran de manera diferente, así que 60% en un producto puede significar lo mismo que 85% en otro.

Dos reglas te mantienen honesto. Primero, ignora la banda media. Cualquier cosa entre aproximadamente 30% y 70% es la herramienta encogiéndose. Segundo, nunca compares puntuaciones entre productos. Compara veredictos en la misma imagen, y observa dónde no están de acuerdo.

El desacuerdo es donde está el trabajo interesante. Si una herramienta dice 92% ia y otra dice 8%, una de ellas nunca se entrenó en ese generador, o el archivo fue destrozado en tránsito. Vuelve a la fuente, pide el original, y verifica los metadatos nuevamente.

¿Qué imágenes engañan más a menudo a los detectores?

Algunas categorías son confiablemente difíciles, y vale la pena saber antes de poner confianza en una puntuación.

Trabajo altamente estilizado. El aspecto de impresión Riso, ilustración plana, emulación de película granulosa: cuanto más el estilo se aleja de una cámara, menos un clasificador entrenado en fotos tiene en qué sujetarse.

Archivos agrandados y agudizados. El detalle agregado después de la generación enturbia la huella dactilar del modelo original.

Cultivos pequeños. Una miniatura de 400 px lleva mucha menos señal que un fotograma completo.

Imágenes híbridas. Una foto real con un cielo generado por ia, o un retrato generado con retoque real, se sienta en la zona gris por diseño. La mayoría de las herramientas devuelven una puntuación para todo el archivo, así que la respuesta honesta es a menudo "parcialmente".

Modelos frescos. Cualquier generador lanzado después de la última carrera de entrenamiento del detector es un punto ciego hasta que el proveedor se ponga al día. Esa brecha es como máximo de algunas semanas y como mínimo de algunos meses.

Si tu trabajo diario implica referencias de tableros Are.na, bibliotecas de stock y feeds sociales, asume que una parte de lo que recopilas ya es híbrida. Etiquétalo en tu moodboard, anota la fuente, y sigue adelante.

Lo que los generadores mismos están haciendo al respecto

Los modelos que ya usas son la razón por la que este problema existe, así que veamos dónde está cada uno en la etiqueta de su propio resultado.

Los outputs de Midjourney son famosamente pulidos, lo que hace que el cuento "demasiado limpio" sea más débil con cada versión.

Adobe Firefly se apoya en Credenciales de Contenido de forma predeterminada, lo que hace que sus archivos sean los más fáciles de verificar, siempre que nadie elimine los metadatos en el camino hacia ti.

Krea es donde muchos de nosotros iteramos en tiempo real. Bucles rápidos, mucha estilización, y ninguna promesa de que algo corriente abajo pueda decir dónde vino una imagen.

Los ampliadores importan aquí también. Ejecutar una generación a través de Magnific agrega textura real, y esa textura es exactamente lo que confunde a un clasificador entrenado en output de modelo crudo. Si planeas probar un detector, pruébalo también en archivos ampliados.

Verdad brutal: ninguna de estas herramientas se construye para facilitar tu vida como verificador. Ese trabajo es tuyo.

¿Debes confiar en un detector para trabajo con clientes?

Vale la pena si lo usas como triaje. Una imagen marcada recibe una mirada más cercana. Una puntuación limpia no compra nada más allá de "ninguna alarma se apagó".

Sáltalo si estás tentado a usar una puntuación como prueba en una disputa, una notificación o un fallo de concurso. Los falsos positivos en arte real son la parte fea. Los fotógrafos e ilustradores han sido acusados sobre la base de un output de una herramienta, y un porcentaje plano es algo débil en lo que apoyarse.

Lo que haríamos realmente: anota el proceso. Qué herramientas, qué versión, qué fecha, qué archivos. Una nota fechada late una captura de pantalla de una puntuación.

Y si eres quien hace las imágenes, mantén tus archivos de trabajo. Capas, semillas, notas de indicación, los borradores feos tempranos. Es el seguro más barato que puede comprar un director de arte, y también es buena higiene de moodboard.

Dónde ir a continuación

Elige cinco imágenes cuyo origen conoces, tres reales y dos generadas, ejecútalas a través de dos detectores, luego haz una captura de pantalla y vuelve a ejecutar. Aprenderás más sobre estas herramientas en esa sesión de lo que cualquier página de destino te dirá.

Luego remixatea el experimento con tu propia stack. ¿Cuál de tus modelos favoritos se detecta primero? ¿Cuál se cuela?