逆アルファブレンディング — クリーンな透かし削除の背後にある数式

機械学習で下にあるものを推測する代わりに、Geminiが透かしを埋め込むために使用する正確なブレンディング公式を逆算します。結果は決定論的で高速、ブラウザ内で完全に動作します。

仕組み

STEP 01

Geminiが画像を生成する際、標準的なアルファブレンディングを使用して半透明の透かしロゴを出力に合成します。

watermarked = original × (1 − α) + α × 255

STEP 02

透かしの正確なパターンと透明度の値を抽出しました。これにより、Geminiが使用した精密なブレンディング係数が得られます。

α = known alpha map

STEP 03

アルファマップが分かれば、ブレンディング方程式を元のピクセル値について解きます。推測もinpaitingも不要 — 単なる代数です。

original = (watermarked − α × 255) / (1 − α)

逆アルファブレンディング

決定論的 — 同じ入力は常に同じ出力を生成

ミリ秒単位の処理、秒単位ではない

ブラウザで動作、GPUやクラウドサーバー不要

ダウンロードするモデル不要 — わずか数KBのアルファマップデータのみ

数学的に正確な逆算、近似inpaitingではない

MLベースのInpainting

確率的 — 実行やモデルによって結果が異なる

画像1枚あたり数秒から数分かかる

GPUハードウェアまたは有料クラウド推論が必要

50〜200 MBのモデルウェイトをダウンロード

近似フィル — ハルシネーションや詳細のぼかしの可能性

NCCスコアによるテンプレートマッチングが透かしの位置を自動的に特定 — 手動選択不要。

安全クランピングによる反復削除で、エッジ品質を保持しアーティファクトを防止。

小数のアルファ値で動作し、アンチエイリアスエッジを処理。

約60の既知のGemini画像サイズを事前マッピングし、即座の透かし設定が可能。

アルゴリズムはブラックボックスではありません。数式は監査可能で決定論的です。すべての処理はローカルで行われます。