Remove-AI-Watermarks - Görsellerdeki AI filigranlarını kaldıran CLI ve kütüphane

• Remove-AI-Watermarks, Google Gemini (Nano Banana), ChatGPT/DALL-E, Stable Diffusion, Adobe Firefly, Midjourney ve benzeri araçlarla üretilen görsellerdeki görünür filigranları, görünmez filigranları ve AI üretim metadatasını tek seferde işleyen bir CLI ve Python kütüphanesidir
• Görünür filigran kaldırma, Gemini/Nano Banana'nın sparkle logosunu hedefler; bilinen alpha map kullanılarak ters alpha blending ve gradient mask inpainting ile işlenir, görsel başına yaklaşık 0,05 saniye sürer ve GPU gerektirmez
• Görünmez filigran kaldırma, SynthID, StableSignature, TreeRing gibi piksel ve frekans alanı desenlerini difüzyon tabanlı yeniden üretimle zayıflatır; varsayılan profil SDXL ve yaklaşık 1024px yerel pipeline kullanır
• Metadata temizleme; EXIF, PNG text chunks, XMP DigitalSourceType, C2PA Content Credentials alanlarını hedefler ve Instagram, Facebook, X(Twitter) üzerindeki “Made with AI” etiketini tetikleyen AI ile ilgili alanları kaldırırken Author, Copyright, Title gibi standart metadataları korur
• Destek kapsamı; Google Gemini/Nano Banana/Gemini 3 Pro'nun sparkle logosu, SynthID, C2PA/EXIF; OpenAI DALL-E 3/ChatGPT'nin C2PA'sı; Stable Diffusion'ın PNG text chunks ve steganografik filigranları; Adobe Firefly'ın Content Credentials'ı; Midjourney'in EXIF/XMP verileri gibi bileşenleri içerir
• Smart Face Protection, difüzyon işleminden önce YOLO ile insanları tespit edip yüzleri çıkarır; işlem sonrasında özgün yüzleri yumuşak eliptik maskeyle yeniden harmanlayarak yüz özelliklerindeki bozulmayı azaltır
• Analog Humanizer, isteğe bağlı olarak film grain ve chromatic aberration ekleyerek çıktının ekrandan çekilmiş bir fotoğraf gibi görünmesini sağlar; AI görsel sınıflandırıcılarını atlatmaya yönelik bir özellik olarak açıklanır
• Kurulum için pipx install git+https://github.com/wiltodelta/remove-ai-watermarks.git veya uv tool install git+https://github.com/wiltodelta/remove-ai-watermarks.git önerilir; varsayılan kurulum görünür filigran kaldırma ve metadata temizlemeyi içerir
• Gereksinim Python 3.10+'dur; görünür filigran kaldırma ve metadata işleme yalnızca CPU ile yapılabilir, görünmez filigran kaldırma için CUDA veya MPS GPU önerilir ancak CPU'da da yavaş şekilde çalışır
• Görünmez filigran kaldırma ilk çalıştırmada yaklaşık 2GB modeli otomatik indirir; aygıt sırası CUDA (Linux/Windows) > MPS (macOS) > CPU olarak otomatik algılanır ve --device ile belirtilebilir
• CLI, remove-ai-watermarks all image.png -o clean.png; dizin toplu işleme ise remove-ai-watermarks batch ./images/ --mode all şeklinde kullanılabilir; ayrıca visible, invisible, metadata alt komutları da sunulur
• Python API, GeminiEngine ile filigran tespiti ve kaldırma yapabilir; has_ai_metadata ve remove_ai_metadata ile de görselin AI metadatası kontrol edilip kaldırılabilir
• Yol haritasında SynthID-Image v2 otomatik regresyon testleri, AVIF/HEIF/JPEG-XL içindeki EXIF/XMP kaldırma sınırlamaları ve ayrı bir paket olarak planlanan video pipeline yer alır; Nightshade/Glaze/PhotoGuard kaldırma ise sanatçı korumasına saldırı kapsamına girdiği için desteklenmez
• Hukuki bölüm, AI üretim kaynağı etiketlemesinin birçok yargı bölgesinde düzenlemeye tabi olduğunu; kaynak bilgisini yanıltma amacıyla kaldırmanın yasa, DMCA veya platform şartlarını ihlal edebileceğini ve uyum sorumluluğunun kullanıcıya ait olduğunu belirtir
• Tehdit modeli, halihazırda dağıtılmış AI görsellerinin otomatik tespit sistemlerine ve “Made with AI” etiketlerine karşılık vermesine yardımcı olmaya odaklanır; ancak özgün dosya oluşturucu hesabından ya da Google sistemlerinden geçtiyse sunucu tarafı kayıtları anonimleştiremediği konusunda uyarır

[GN⁺]

Hacker News görüşleri

• SynthID ve OpenAI ile ilgili başka bir başlıktaki yorumun yeterince değer görmediğini düşünüyorum; bu meselede hacker ruhunun ne olması gerektiğini iyi yakalıyor
  Mahremiyete önem veriyoruz, bu yüzden tüm dijital davranışlarımıza barkod basan araçları kabul etmemeliyiz. “Henüz bunu yapmıyorlar” karşı çıkışı da pek ikna edici değil

  • Filigranı kaldırmaya çalışan araçlar geliştirmek, büyük şirketlerin eninde sonunda kazanacağı bir silahlanma yarışı yüzünden muhtemelen başarısız olacak ve örtük olarak barkodları kabul etmek anlamına gelecek
    Hacker ruhu her şeyden önce şirketlere bağlı olmadan açık kaynak modelleri yerelde çalıştırmakta olmalı
  • Hakikat kavramını körü körüne yıkmayı kabul etmek de hacker ruhu olmamalı
  • AB'de kullanılan yazılımlardaki yapay zeka tarafından üretilmiş görüntüler için, AI şeffaflık düzenlemelerinin bir parçası olarak filigran zorunluluğu zaten var ya da yakında gelmesi muhtemel görünüyor
  • Güç sahibi insanlar paranoyak ve karanlık kişilik özellikleri taşıdığında olan şey bu
    Kendi güçlerini tehdit eden insanları tespit edip cezalandıracak araçlar istemeye başlıyorlar
  • “Tüm dijital davranışlar” değil; onların kendileri için oluşturulmasını istediğiniz fotoğraflara ekleniyor
    Mahremiyet önemliyse yerel modeller kullanılabilir

• Bir şeyin AI olduğuna dair açık bir işaret varsa, o kaynaktan gelen diğer her şeyi de tamamen yok sayabilmek açısından bence bu iyi bir şey

  • Sorun, o işaretin en başta açık olmamasıydı
    Bu araç, bunu insanlara göstermenin iyi bir yolu
  • Biri hoşunuza gitmeyen bir şey yapıyorsa, onun bunu sizin tercih ettiğiniz şekilde yapmasını beklemek zor
  • Burada kaldırılan işaretin, bir fotoğraf düzenleyicide AI araçlarıyla fotoğrafı hafifçe değiştirdiğinizde eklenen işaretle aynı ya da benzer olup olmadığını merak ediyorum
    Örneğin fotoğraf düzenleyicide daha karmaşık bir nesne kaldırma işlemi yaptığınızda olduğu gibi

• Bu yazının OpenAI Adopts SynthID Watermarks yazısının hemen bir sıra üstünde olması komik

• Çalıntı telifli materyalle eğitilmiş verilerden üretilen görüntülere filigran koymak, neyin gerçek olup olmadığını ayırt etme gerekçesini anlasam da bana yine de yanlış hissettiriyor

• Gemini tarafında bu açıklama biraz yanıltıcı. Gerçekte düzgün şekilde kaldırılan şey yalnızca görünür filigran
  SynthID'yi kaldırmak için görüntüyü düşük gürültü seviyesinde SDXL ile yeniden üretmek gerekiyor; bu da muhtemelen birçok küçük detayı bozacak ve yüksek çözünürlükte düzgün çalışmayacaktır. NB2 ve GPT Image 2 en fazla 4K görüntü çıktısını destekliyor

  • Nano Banana 2 temelde yalnızca 1K çözünürlük (1024x1024) destekliyor
    Bunun üstü upscale, yani SDXL'e benzer. GPT Image 2 ise yerel olarak 4K destekliyor ama hâlâ deneysel
  • SDXL birkaç yıl sonra bile en iyi yerel görüntü modeli ise bu oldukça üzücü olur

• Gemini filigranını kaldırmak için geliştirici araçlarını açıp watermark'a giden HTTP isteğini engellemek yeterli
  İstemci tarafında logoyu üstüne bindiriyorlar

• “Tehdit modeline uyan kullanım senaryosu: yanlış pozitif ‘AI tarafından üretildi’ etiketlerinden sanatı veya tarihsel kayıtları korumak” açıklaması bana pek mantıklı gelmiyor
  Görüntüleri AI ile üretmenin bununla ne ilgisi olduğunu anlamıyorum. Görüntü üreticileri kendi üretmedikleri şeylere filigran ekleyemez ve README'nin söylediği gibi belirli bir oturum kimliğine kadar iz sürebilecek kadar yüksek doğruluklu bir filigransa, insan yapımı sanatta yanlış pozitif filigran oluşma ihtimali de çok düşük görünüyor. Ayrıca filigranı silmek için yapılan görüntü düzenlemesi, “korunmak” istenen şeyi kaçınılmaz olarak değiştirir
  Daha fazla okudukça README'deki kullanım senaryolarının saçmalık olduğuna ve asıl amacın sosyal medyada AI tarafından üretildi etiketini atlatıp AI çöpü görüntüler paylaşmayı sağlayan bir araç olduğuna daha çok ikna oluyorum

  • Depodaki gerekçelendirmenin yanlış olduğuna genel olarak katılıyorum ama “görüntü üreticileri kendi üretmedikleri şeylere filigran ekleyemez” kısmına katılmıyorum
    Gerçek bir görüntü alıp Gemini veya ChatGPT'den sadece çok küçük bir bölümünü değiştirmesini istemek çok kolay. Işık veya gölge gibi ufak değişiklikler bile yapılabiliyor ve ortaya çıkan görüntü çoğu zaman ilgili filigranlama aracı tarafından tespit ediliyor. Bu şekilde herhangi bir gerçek görüntüyü kolayca AI üretimi bir görüntüymüş gibi sunmak mümkün

• Bu özel projeyi sevip sevmemekten bağımsız olarak, ileriye dönük yolun tüm AI üretimlerine filigran koymaya çalışmaktan ziyade AI olmayan kaynakların özgünlüğünü kanıtlamakta olduğunu düşünüyorum

  • “Sertifikalı” bir kamerayı çok iyi bir ekrana doğrultup ekranda gösterilebilen herhangi bir şeyi çekerseniz, ortaya kesinlikle gerçek bir fotoğraf çıkıyor; yani çözmesi epey zor bir problem

• Filigranlama yalnızca yöntemi gizli olduğunda düzgün çalışır
  Yüksek frekanslı gürültü içine şifreli metin gömmek eski bir yöntem. Üretici modeller alanında, üretimin esnekliğinden yararlanıp makro yapı içine kodlama yapmak çok daha ilginç olurdu

• Neden sadece açık kaynak modeller kullanılmıyor?