Remove-AI-Watermarks - इमेज से AI वॉटरमार्क हटाने के लिए CLI और लाइब्रेरी

 (github.com/wiltodelta)
1 पॉइंट द्वारा GN⁺ 2 시간 전 | 1 टिप्पणियां | WhatsApp पर शेयर करें
  • Remove-AI-Watermarks एक CLI और Python लाइब्रेरी है जो Google Gemini(Nano Banana), ChatGPT/DALL-E, Stable Diffusion, Adobe Firefly, Midjourney आदि से बनी इमेज में दिखने वाले वॉटरमार्क, अदृश्य वॉटरमार्क और AI-जनित metadata को एक साथ प्रोसेस करती है
  • दिखने वाले वॉटरमार्क हटाना Gemini/Nano Banana के sparkle लोगो को लक्षित करता है, और ज्ञात alpha map का उपयोग करने वाले inverse alpha blending तथा gradient mask inpainting से प्रोसेस किया जाता है; यह प्रति इमेज लगभग 0.05 सेकंड लेता है और GPU की जरूरत नहीं होती
  • अदृश्य वॉटरमार्क हटाना SynthID, StableSignature, TreeRing जैसे pixel और frequency domain patterns को diffusion-आधारित regeneration से कमजोर करता है; डिफ़ॉल्ट प्रोफ़ाइल SDXL और लगभग 1024px native pipeline का उपयोग करती है
  • metadata सफाई EXIF, PNG text chunks, XMP DigitalSourceType, C2PA Content Credentials को लक्षित करती है, और Instagram, Facebook, X(Twitter) के “Made with AI” लेबल को ट्रिगर करने वाले AI-संबंधित fields को हटाती है, जबकि Author, Copyright, Title जैसे standard metadata को सुरक्षित रखती है
  • समर्थित दायरे में Google Gemini/Nano Banana/Gemini 3 Pro का sparkle लोगो, SynthID, C2PA/EXIF; OpenAI DALL-E 3/ChatGPT का C2PA; Stable Diffusion के PNG text chunks और steganographic watermark; Adobe Firefly के Content Credentials; Midjourney का EXIF/XMP आदि शामिल हैं
  • Smart Face Protection diffusion प्रोसेसिंग से पहले YOLO से लोगों का पता लगाकर चेहरे निकालता है, और प्रोसेसिंग के बाद मूल चेहरों को soft elliptical mask के साथ फिर से blend करता है ताकि चेहरे की विशेषताओं में विकृति कम हो
  • Analog Humanizer वैकल्पिक रूप से film grain और chromatic aberration जोड़ता है ताकि आउटपुट स्क्रीन की फोटो जैसा लगे, और इसे AI image classifiers को bypass करने वाली सुविधा के रूप में समझाया गया है
  • इंस्टॉल के लिए pipx install git+https://github.com/wiltodelta/remove-ai-watermarks.git या uv tool install git+https://github.com/wiltodelta/remove-ai-watermarks.git की सिफारिश की गई है, और डिफ़ॉल्ट इंस्टॉलेशन में दिखने वाले वॉटरमार्क हटाना तथा metadata हटाना शामिल है
  • आवश्यकताएँ Python 3.10+ हैं; दिखने वाले वॉटरमार्क हटाना और metadata प्रोसेसिंग केवल CPU पर संभव है, जबकि अदृश्य वॉटरमार्क हटाने के लिए CUDA या MPS GPU की सिफारिश की जाती है, हालांकि यह CPU पर भी धीरे काम करता है
  • अदृश्य वॉटरमार्क हटाना पहली बार चलने पर लगभग 2GB मॉडल अपने-आप डाउनलोड करता है, और डिवाइस का ऑटो-डिटेक्शन CUDA(Linux/Windows) > MPS(macOS) > CPU क्रम में होता है; --device से इसे निर्दिष्ट किया जा सकता है
  • CLI का उपयोग remove-ai-watermarks all image.png -o clean.png की तरह किया जाता है, और डायरेक्टरी batch प्रोसेसिंग remove-ai-watermarks batch ./images/ --mode all की तरह; visible, invisible, metadata subcommands भी उपलब्ध हैं
  • Python API में GeminiEngine वॉटरमार्क detection और removal करता है, और has_ai_metadata, remove_ai_metadata से इमेज के AI metadata की जाँच और removal किया जा सकता है
  • roadmap में SynthID-Image v2 automated regression tests, AVIF/HEIF/JPEG-XL के अंदर EXIF/XMP removal की सीमाएँ, और अलग पैकेज के रूप में योजनाबद्ध video pipeline शामिल हैं; Nightshade/Glaze/PhotoGuard removal को कलाकार सुरक्षा पर हमले की श्रेणी मानकर समर्थित नहीं किया गया है
  • कानूनी सेक्शन में कहा गया है कि AI-जनित provenance labeling कई न्यायक्षेत्रों में विनियमित है, और provenance जानकारी को धोखे के इरादे से हटाना कानून, DMCA, या platform terms का उल्लंघन कर सकता है; अनुपालन की जिम्मेदारी उपयोगकर्ता की है
  • threat model का फोकस पहले से वितरित AI इमेज को automated detection systems और “Made with AI” लेबल से निपटने में मदद करना है, लेकिन यह चेतावनी भी दी गई है कि यदि मूल फ़ाइल creator account या Google systems से होकर गुज़री हो, तो यह server-side records तक को anonymous नहीं बना सकता

संबंधित पढ़ाई

1 टिप्पणियां

 
GN⁺ 2 시간 전
Hacker News टिप्पणियाँ

  • SynthID और OpenAI पर दूसरे थ्रेड की टिप्पणी को कम आंका गया, लेकिन मुझे लगता है कि इस मुद्दे में हैकर भावना क्या होनी चाहिए, इसे वह अच्छी तरह पकड़ती है
    हम privacy को महत्व देते हैं, इसलिए हर digital activity पर barcode लगाने वाले टूल्स को स्वीकार नहीं करना चाहिए। “अभी वे ऐसा नहीं करते” वाला तर्क भी खास भरोसेमंद नहीं है

    • watermark हटाने की कोशिश करने वाले टूल बनाना शायद विफल होगा, क्योंकि यह एक arms race है जिसमें बड़ी कंपनियाँ आखिरकार जीतेंगी, और यह परोक्ष रूप से barcode को स्वीकार करना भी है
      हैकर भावना का केंद्र इससे बढ़कर यह होना चाहिए कि open source models को local पर चलाया जाए, बिना कंपनियों पर निर्भर हुए
    • सत्य की अवधारणा को अंधाधुंध नष्ट करना भी हैकर भावना नहीं होना चाहिए
    • EU में इस्तेमाल होने वाले software की AI-generated images पर AI transparency regulation के हिस्से के रूप में watermarking पहले से आवश्यक है या जल्द ही आवश्यक होने की काफी संभावना है
    • जब सत्ता वाले लोग सनकी और अंधेरे व्यक्तित्व गुण रखते हैं, तब ऐसा होता है
      वे ऐसे साधन चाहते हैं जिनसे अपनी सत्ता को चुनौती देने वालों को पहचानकर दंडित कर सकें
    • “हर digital activity” नहीं, बल्कि उन तस्वीरों पर जो उनसे बनवाने के लिए कहा गया था
      अगर privacy महत्वपूर्ण है, तो local models इस्तेमाल किए जा सकते हैं

  • अगर किसी चीज़ पर यह स्पष्ट संकेत हो कि वह AI है, तो अच्छा ही है, क्योंकि तब उसके स्रोत से आई बाकी चीज़ों को भी पूरी तरह नज़रअंदाज़ किया जा सकता है

    • समस्या यह है कि वह संकेत शुरू से स्पष्ट था ही नहीं
      यह टूल लोगों को वही बात दिखाने का अच्छा तरीका है
    • अगर कोई ऐसा काम कर रहा है जो आपको पसंद नहीं, तो यह उम्मीद करना मुश्किल है कि वह उसे आपके पसंदीदा तरीके से करेगा
    • जिज्ञासा है कि यहाँ जो निशान हटाया जा रहा है, क्या वह वही या वैसा ही निशान है जो photo editor में AI tools से तस्वीर को थोड़ा बदलने पर जुड़ता है
      जैसे photo editor में अधिक जटिल object removal करने पर

  • यह मज़ेदार है कि यह पोस्ट ठीक OpenAI Adopts SynthID Watermarks पोस्ट के एक स्लॉट ऊपर है

  • चोरी किए गए copyrighted material पर प्रशिक्षित डेटा से बनी images पर watermark लगाना, असली और नकली में फर्क करने की मंशा समझ में आती है, लेकिन फिर भी कुछ गड़बड़ सा लगता है

  • Gemini के मामले में यह विवरण थोड़ा भ्रामक है। ठीक से हटाया जा सकने वाला हिस्सा सिर्फ दिखाई देने वाला watermark है
    SynthID हटाने के लिए SDXL के साथ कम noise level पर image को फिर से generate करना पड़ता है, और ऐसा करने पर कई छोटे details खराब होने की संभावना बहुत अधिक है, और high resolution पर यह शायद ठीक से काम नहीं करेगा। NB2 और GPT Image 2 अधिकतम 4K image output को support करते हैं

    • Nano Banana 2 मूल रूप से सिर्फ 1K resolution (1024x1024) को support करता है
      उससे ऊपर सब upscaling है, इसलिए SDXL जैसा ही है। GPT Image 2 मूल रूप से 4K को support करता है, लेकिन अभी experimental है
    • अगर SDXL कई साल बाद भी सबसे अच्छा local image model है, तो यह काफी दुखद है

  • Gemini watermark हटाने के लिए बस developer tools खोलकर watermark की ओर जाने वाले HTTP request को block कर दें
    यह client side पर logo overlay करने का मामला है

  • “सही threat model वाला use case: false positive ‘AI-generated’ label से कला या historical records को बचाना” वाला स्पष्टीकरण मानना मुश्किल है
    समझ नहीं आता कि AI से image generate करने का इससे क्या संबंध है। Image generators ऐसी चीज़ पर watermark नहीं डाल सकते जो उन्होंने बनाई ही नहीं, और अगर README के अनुसार watermark इतनी fidelity वाला है कि किसी खास session ID तक trace किया जा सकता है, तो human-made art पर false positive watermark लगने की संभावना भी बहुत कम लगती है। ऊपर से, watermark हटाने के लिए image में किया गया संशोधन उस चीज़ को अनिवार्य रूप से बदल देता है जिसे supposedly “preserve” करना है
    जितना अधिक पढ़ता हूँ, उतना ही यकीन होता है कि README के use cases बकवास हैं, और असली मकसद social media पर AI-generated label को bypass करके AI garbage images पोस्ट करने देना है

    • repository की justification गलत है, इस बात से मैं काफी हद तक सहमत हूँ, लेकिन “image generators ऐसी चीज़ पर watermark नहीं डाल सकते जो उन्होंने बनाई नहीं” वाले हिस्से पर मेरी राय अलग है
      किसी वास्तविक image को लेकर Gemini या ChatGPT से उसका बहुत छोटा हिस्सा बदलने को कहना बेहद आसान है। Lighting या shadow जैसी मामूली edits भी की जा सकती हैं, और इस तरह बनी image को अक्सर संबंधित watermarking tool detect कर लेता है। इस तरह लगभग किसी भी वास्तविक image को आसानी से AI-generated image की तरह पेश किया जा सकता है

  • इस खास project को लेकर पसंद या नापसंद से अलग, मुझे लगता है कि आगे का रास्ता हर AI output पर watermark लगाने की कोशिश में नहीं, बल्कि non-AI resources की authenticity prove करने में है

    • किसी “certified” camera को एक बहुत अच्छी screen की तरफ कर दें, और screen पर जो भी दिखाया जा सकता है उसकी फोटो ले लें, तो वह निश्चित रूप से असली फोटो बन जाती है, इसलिए यह हल करने के लिए काफी कठिन समस्या है

  • watermarking तभी ठीक से काम करती है जब उसका तरीका गोपनीय रहे
    high-frequency noise में ciphertext डालना पुराना तरीका है। Generative models के क्षेत्र में generation की flexibility का उपयोग करके macro structure के भीतर encoding करना कहीं अधिक दिलचस्प होगा

  • क्या बस open source models का उपयोग नहीं किया जा सकता?