AI-borttagning av vattenstämplar i bilder testad: ändrar den ansikten, etiketter eller resten av bilden?

Resultatet: en borttagen vattenstämpel betyder inte att bilden är oförändrad

Vi använde ett syntetiskt porträtt som inte föreställer en identifierad verklig person. Lokalt genererade markeringar lades till som en ogenomskinlig logotyp i hörnet, genomskinlig text över ansiktet och ett mönster i rutnät. En ren, omärkt version fungerade som kontroll. Vi skickade de markerade indatafilerna till bildredigeringsleverantören och jämförde resultaten pixel för pixel med en ren referens och kända masker som aldrig skickades till modellen.

I hörnfallet sjönk det genomsnittliga felet innanför vattenstämpelmasken från 160,50 till 1,73 på en pixelskala från 0 till 255, så den synliga markeringen ersattes nästan helt i det området. Men förändringen begränsades inte till markeringen: det genomsnittliga felet utanför masken var 3,91, och 19,1 % av pixlarna utanför masken ändrades med mer än 8 i minst en färgkanal. Även kontrollbilden utan markering ändrades: 23,1 % av dess pixlar passerade den tröskeln.

Den slutsats som stöds är begränsad: i dessa kontrollerade prover återskapades det markerade området synligt. Experimentet stöder inte påståendena ”endast vattenstämpelns pixlar ändrades”, ”den ursprungliga bakgrunden återskapades exakt” eller ”alla porträtt bevaras säkert”.

Fyra kontrollerade testfall

Alla fyra indatabilder är versioner på 1024 × 1024 av samma syntetiska porträtt. Eftersom markeringarna lades på lokalt har vi en ren referensbild och exakta masker. Modellen fick bara bilder med markeringar och skriftliga instruktioner, inte den rena referensbilden eller facitmasken. Det gör att vi kan poängsätta de täckta områdena och samtidigt kontrollera om instruktionen följdes.

Testfall	Täckta pixlar	Upplägg
Ogenomskinlig text/logotyp i hörnet	2,05 %	Liten markering över en jämn bakgrund
Genomskinlig text över ögon och näsa	2,63 %	Texten korsar ansiktsdetaljer
Genomskinlig text upprepad över hela bilden	13,82 %	Flera markeringar korsar ansikte, hår och kläder
Ren, omärkt kontrollbild	0 %	Testar om modellen ändå ändrar bilden

Förfrågningarna angav GPT Image 2 och högsta kvalitet via bildredigeringsproxyn som konfigurerats i det här projektet. Proxyserverns faktiska backendmodell bekräftades inte separat, och vi verifierade inte någon faktura. Tiden omfattar proxyhantering och bildhämtning; den är inte enbart modellens inferenstid.

Det täckta området blev bättre, men resten ändrades ändå

Den första instruktionen bad modellen att bevara personen, kläderna, bakgrunden och vanlig text, men angav ingen redigeringsmask. Tabellen visar det genomsnittliga absoluta RGB-felet inom det kända området med vattenstämpeln. Ett lägre värde ligger närmare den rena syntetiska referensbilden. Bilderna har samma mått men justerades inte efter genereringen, så även textur- och små geometriska förändringar bidrar till felet.

Test	Täckt yta	Tid	MAE i maskerat område: indata → utdata	Omaskerade pixlar som ändrats med mer än 8
Ogenomskinlig markering i hörnet	2,05 %	36,1 s	160,50 → 1,73	19,1 %
Genomskinlig text i ansiktet · första instruktionen	2,63 %	47,3 s	55,66 → 6,93	17,3 %
Upprepad text · första instruktionen	13,82 %	69,4 s	26,46 → 5,41	25,9 %
Ren, omärkt kontrollbild	0 %	44,2 s	Ej tillämpligt	23,1 %

”Pixlar som ändrats med mer än 8” är ett antal beräknat med en fast tröskel. Det motsvarar inte andelen förändringar som en person skulle lägga märke till och säger ingenting om hur lika identiteterna är. Måttet är till för att granska områden utanför vattenstämpeln, inte för att bedöma bildkvaliteten som helhet. En jämförelse av pixlar som inte har justerats mot varandra räknar även in återskapad textur och små positionsförskjutningar.

Hjälpte det att be modellen bevara etiketten på tröjan?

Porträttet har vanlig text, STUDIO 07, tryckt på tröjan. Den första instruktionen bad i allmänna ordalag modellen att bevara text, men resultatet ändrade ändå etiketten. Vi gjorde en andra förfrågan där DEMO WATERMARK angavs som den enda markering som skulle tas bort och modellen ombads att behålla STUDIO 07 exakt som den var. Det här är en jämförelse mellan instruktioner på samma syntetiska bild, inte ett upprepat test med ett annat foto.

För text i ansiktet sänkte den andra förfrågan MAE i det maskerade området från 6,93 till 6,73, en liten förändring. I den omaskerade delen av ansiktet ändrades andelen pixlar som förändrats med mer än 8 från 24,74 % till 24,11 %. För den legitima etiketten på tröjan steg samma mått från 26,61 % till 31,54 %; den tydligare instruktionen om att bevara texten skyddade den inte på ett tillförlitligt sätt. Den andra instruktionen för den upprepade vattenstämpeln förbättrade också måttet för det maskerade området, men mer än hälften av pixlarna i den vanliga etiketten ändrades fortfarande med mer än 8.

Mer specifika instruktioner kan påverka ett enskilt resultat, men fungerar inte som en redigeringsmask och garanterar inte att innehållet bevaras exakt. En generativ modell skapar en ny bild. För att begränsa ändringar till det markerade området behövs även tillförlitlig lokalisering och sammansättning begränsad till den masken. Automatisk lokalisering i verkliga bilder kan i sig ta med fel pixlar eller utelämna rätt pixlar.

Retuschering är inte återställning av originalpixlarna

Eftersom testet känner till vattenstämpelns exakta område kan vi använda facitmasken vid poängsättning offline för att lägga tillbaka den genererade delen i originalbilden. Det bevarar alla pixlar utanför området exakt, men är ett hjälpmedel för mätning, inte något modellen gjorde eller som den nuvarande produkten automatiskt garanterar. En vanlig användare laddar bara upp en bild med markeringar; den ursprungliga gränsen är okänd.

Även ett lågt MAE-värde i det maskerade området innebär att modellen har skapat ett rimligt ersättningsinnehåll. Den läste inte originalpixlarna som doldes av markeringen. Hårstrån, hudstruktur, små klädetiketter och unika föremål kan ritas om. Det är enklare att få en logotyp i hörnet över en jämn himmel att se naturlig ut än text över ögonen eller ett upprepat märke över hela bilden.

När arbetsflödet kan vara användbart

• En liten markering ligger över en jämn bakgrund: ersättningen kan smälta in lättare, men granska ändå ansiktet, kanterna och vanlig text.
• Genomskinlig text korsar ett ansikte, tyg eller ett viktigt föremål: jämför originalet och resultatet runt ögon, hår, vävstruktur och legitima etiketter.
• En upprepad eller stor vattenstämpel täcker många områden: mer behöver återskapas. Granska varje område och behåll originalet eller beskär bilden om resultatet inte passar.
• Bilden saknar synlig markering: även kontrollbilden utan markeringar ändrades, så ladda inte upp ett känsligt porträtt bara för att prova.
• Du har rätt att redigera bilden: öppna verktyget för att ta bort vattenstämplar från bilder, jämför båda vyerna och ladda bara ner en version som du har granskat.

När du startar bildverktyget skickas bilden till den konfigurerade bildbehandlingstjänsten. Ladda bara upp bilder som du får dela med den leverantören. Ett genererat resultat kan ändra ansikten, text i bilden eller annat innehåll. Jämförelsevyn och möjligheten att generera ett nytt resultat hjälper dig att granska alternativ, men garanterar inte att bilden återställs exakt.

Testets begränsningar

Testet omfattar ett syntetiskt porträtt med tre placeringar av markeringar och en ren kontrollbild. Det är inte ett statistiskt urval av olika personer, kameror eller verkliga webbplatsbilder, och omfattar varken oberoende blindgranskning eller identitetsverifiering. Den exakta masken finns bara för poängsättningen; modellen fick den inte. Ett verkligt produktflöde måste också hitta vattenstämpeln.

MAE och antalet ”ändringar större än 8” är jämförelser av RGB-pixlar som inte har justerats. Återskapad textur och små positionsförskjutningar påverkar resultaten. De bedömer inte om bilden är tilltalande, om ansiktet fortfarande känns igen eller den allmänna redigeringskvaliteten. Tiden varierar beroende på nätverk, proxy, bildavkodning och hämtning.

Dokumentationen anger det begärda modellnamnet och kvalitetsnivån, men inte en oberoende verifiering av proxyns faktiska backend, kostnad eller lagringstid. Den andra instruktionen om att bevara innehåll kördes på samma syntetiska porträtt. Den kan inte visa att instruktioner generellt ger bättre resultat eller förutsäga resultat med en annan modell eller version.

Data och källor

Experimentet genomfördes 2026-10-14. Alla fyra testfall använder ett befintligt syntetiskt porträtt och inget foto av en verklig användare. Indata, markeringar, exakta masker, instruktioner, utdata och mätvärden finns arkiverade i projektets experimentkatalog. Kontaktarket visar indatafallen och de råa genererade resultaten; hörnbilden är ett faktiskt resultat från bearbetningen.

Porträttet skapades för projekttester och föreställer ingen identifierad person; vattenstämpeln skapades lokalt. STUDIO 07 är legitim text på kläderna och ska bevaras. Den första förfrågan lyckades inte konsekvent behålla den oförändrad. Den andra bad uttryckligen att den skulle bevaras, men pixlarna förändrades ändå. Kontrollera mer än att vattenstämpeln har försvunnit.