學者教四招拆穿AI假圖｜食物照最易中招　手指、皮膚、物件連接、光影逐一檢查

美國西北大學研究團隊針對主流圖像生成工具進行分析，整理出四類常見破綻，只要逐一檢查，往往可以看出影像是否出自AI之手，其中食物影像更被點名為最難模仿的一類。這四招屬於肉眼檢查方法，與上載圖片進行工具檢測不同；檢查出破綻可以提高警覺，但檢查結果本身不是鑑定證明。

第一招：先數手指，再看牙齒與瞳孔

AI擅長生成人臉，處理四肢卻經常失誤，因此最快的檢查方法是數一數畫面中的手指與四肢數量是否正確，同時留意手指是否沾黏。數手指時不應只看畫面中央的人物，也要檢查畫面邊緣與背景中的人物，因為生成錯誤經常出現在最不起眼的位置。

臉部細節同樣值得放大檢查：牙齒是否重疊或不對稱，眼神是否怪異，瞳孔是否呈現非正圓形。這些細節在縮圖上容易被忽略，放大之後往往最先露出問題；一張在縮圖上看似正常的照片，放大檢查手部與臉部之後，結論可能完全不同。

第二招：皮膚完美得像蠟像，便要提高警覺

AI圖像經常呈現不自然的過度完美。由於模型常使用專業模特兒的照片進行訓練，生成人物的皮膚容易帶有蠟像般的平滑光澤，色彩亦過度飽和，看起來像套用了過重的濾鏡，缺乏一般人的自然感。

日常照片中的皮膚會受光線、角度與膚質影響而呈現細微差異，生成圖像卻傾向將這些差異抹平，結果就是一種過於均勻、過於光滑的質感。皮膚沒有毛孔與瑕疵，未必代表照片經過修圖，但當這種完美感與其他破綻同時出現，便是值得懷疑的訊號；單看皮膚一項不足以判斷，必須與其他檢查互相對照。

第三招：物件是否合乎日常運作

AI並不理解日常物品的實際運作原理，因此功能上的破綻經常出現在物件交接之處。原文列舉的例子包括背包背帶直接與襯衫布料融合而沒有邊界、衣服上的標誌或英文字母拼寫錯誤、手錶錶帶憑空消失，以及拿著漢堡的手指直接穿透食物內部。

這些錯誤有一個共同特徵：單看物件本身可能沒有問題，問題出在物件與物件之間應該如何連接。背帶應該有獨立邊界，錶帶應該連接錶身，手指應該停留在食物表面；當連接關係消失或互相穿透，便是模型只模仿外觀、沒有理解功能的證據。

檢查時不需要認識生成技術，只要問一句：這件物件在現實中可以這樣存在嗎？答案是否定的話，圖片便值得懷疑。文字亦是同一類檢查的延伸：招牌、標籤與衣服上的英文字母若出現拼寫錯誤或筆畫混亂，往往是模型模仿字形而非理解文字的結果，放大查看細小文字，經常比看整體畫面更有效。

第四招：光影方向與食物細節最易出錯

戶外只有一個光源時，人與建築物的影子應該指向同一方向；若影子指向不同方向，便不合常理。光影檢查的關鍵在於比較，而不是單看一處陰影：將畫面中不同人物與建築物的影子放在一起比較，方向不一致便是有問題的訊號。

鏡中倒影亦是檢查重點，例如人物穿短袖，鏡中卻是長袖，便是明顯矛盾；人物走在樓梯上時，腳底是否真正踩在階梯上，而不是懸空，同樣可以分辨。幾何關係一旦出錯，即使畫面整體看似自然，也難以用拍攝角度解釋。

食物影像的難度更高：西北大學電腦科學教授蘇布拉馬尼昂以一盤沙拉為例，指出AI必須同時完美呈現藜麥的顆粒感、酪梨的綿密、葉菜的翠綠以及番茄切面的多層次汁液質感，只要任何一處出錯，便會產出過度誇張且失真的畫面。食物沒有固定的形狀與標準答案，每一種食材的紋理與光澤都要同時成立，難度遠高於單一物件。

他亦警告，品質參差的AI生成內容（AI slop）正滲入實體餐廳的招牌、菜單與視覺行銷素材，這類突兀且缺乏質感的圖像不僅會影響消費者的觀感，更凸顯雖然AI生成工具在商業應用上愈來愈普遍，企業端的品質控管卻未有跟上腳步。

收到可疑圖片點做？三步檢查

收到可疑美食或產品圖片時，不需要即時判斷圖片真假，先用上面四招逐一檢查，再決定是否相信圖片所示的內容，可以先做以下三件事：

• (1) 放大圖片，依序檢查手臉、皮膚、物件與光影四處
• (2) 在未核對之前，不要轉發圖片或憑圖片下訂單
• (3) 向店家或圖片的原始來源核對，確認圖片所示的菜式或產品是否真實存在

四招肉眼檢查　食物照最易露餡

AI假圖的破綻，往往不在單一細節，而在多項線索同時出現：手指與四肢、皮膚質感、物件連接及光影方向。對日常判斷社交媒體、餐廳招牌或產品宣傳圖，這四招是較直接的肉眼檢查方法。

食物照最易露餡，因為食材的紋理、形狀與光澤變化較複雜；AI必須同時呈現多種質感，任何一處出錯便會失真。對餐飲業而言，AI slop已滲入招牌、菜單及視覺行銷素材，品質控管亦須跟上。

檢查出破綻可以提高警覺，但檢查結果本身不是鑑定證明；未核對之前，不宜轉發圖片或憑圖片下訂單。向店家或圖片的原始來源核對，才是較穩妥的做法。

Source：TechNews：學者授四招破解假圖，點名食物照是AI最大死穴