画像調整へ
No upload / 送信なし
Records + pixels / 記録と画素
Clues, not verdicts / 手がかりを示す

AI画像判定

画像に残る来歴情報・メタデータと、画素の繰り返し模様を端末内で調べます。Check provenance records and pixel traces locally, without uploading.

AI かどうかを断定するものではありません。見つかった記録と、その確かさを並べて示します。

入力

画像をドロップ

Drop an image here. PNG / JPEG / WebP / TIFF

大きなイラストもここへ / Large images welcome

判定結果

画像を選ぶと、次の 3 つを端末内で調べます。画像はどこにも送信しません。

  1. 来歴情報（C2PA / Content Credentials）に AI 生成の区分があるか
  2. EXIF・XMP・PNG テキストに、生成 AI のツール名や生成設定が残っているか
  3. 画素に 2・4・8 画素ごとの繰り返し模様（拡大処理の痕跡）があるか

わかること・わからないこと / Limits

「記録がない」は「人が作った」ではない

AI 生成画像を確実に見分ける方法は、今のところありません。このページは、ファイルに残る記録と画素の痕跡を端末内で調べ、 見つかった手がかりとその確かさを示します。最終的な判断には、作者への確認や元データの提示など、画像の外の情報を合わせてください。

記録（C2PA・メタデータ）/ Provenance records
生成 AI のサービスやツールが書き込む記録は、見つかれば強い手がかりです。ただし SNS への投稿や形式の変換で消えるのが普通で、後から書き換えることもできます。C2PA の電子署名の検証はこのページでは行いません。出典: C2PA Technical Specification 2.2
画素の繰り返し模様 / Periodic pixel traces
GAN や一部の拡散モデル（Latent Diffusion・Stable Diffusion など）の画像には、周波数分布にはっきりした点が出ることが報告されています。一方で ADM や DALL·E 2 では弱く、縮小や圧縮でも消えます。普通の拡大やカメラ内部の補間でも同じ模様が出ます。出典: Frank et al. 2020 / Durall et al. 2020 / Corvi et al. 2023
学習した判定器を使わない理由 / Why no trained classifier
学習で作った判定器は、学習に使っていない生成 AI や SNS の実際の画像では精度が大きく落ちることが繰り返し報告されています（学習と違うデータでは正解率が平均 29% 下がった例もあります）。確率のような数字を出すと過信を招くため、このページでは記録と画素の手がかりだけを示します。出典: Passive or Watermark? 2024 / Community Forensics 2025 / AIGIBench 2025
イラスト・アニメ調 / Illustrations
写真で学習した判定モデルは、アニメ調の画像では性能が低いことが報告されています。人の描いた絵と AI 画像の比較では、商用の判定器も熟練の描き手もよく当てる一方、判定器は意図的な微小ノイズ（敵対的摂動）に弱く、描き手は人の絵を AI と誤る率が高めで、両者を組み合わせるのがよいとされています。出典: AnimeDL-2M 2025 / Organic or Diffused? 2024
見えない透かし / Invisible watermarks
SynthID などの生成時に埋め込む透かしは、鍵を持つ提供元のツールでしか読み取れません。このページでは検出できないため、透かしがないことも分かりません。出典: SynthID-Image 2025