Content Authenticity Initiative: Η τεχνολογία που θα βάλει τέλος στην κλοπή φωτογραφιών και τις ψεύτικες εικόνες!


Content Authenticity Initiative: Η τεχνολογία που θα βάλει τέλος στην κλοπή φωτογραφιών και τις ψεύτικες εικόνες!

Το 2019 η Adobe σε συνεργασία με τους The New York Times και το Twitter ανακοίνωσαν την Content Authenticity Initiative.

H Content Authenticity Initiative (CAI) έχει ως στόχο κάθε εικόνα να “κουβαλάει” σημαντικές πληροφορίες όπου και να δημοσιεύεται (ηλεκτρονικά), από το ποιος είναι ο δημιουργός της, πότε δημιουργήθηκε, μέχρι τις μεταβολές που έχει δεχτεί κατά τη διάρκεια της επεξεργασίας της.

Τα συγκεκριμένα στοιχεία που θα προβάλλει η CAI θα είναι ιδιαίτερα χρήσιμα στους editor των ΜΜΕ αλλά και τις αρχές, οι οποίοι θα μπορούν να πιστοποιούν την αυθεντικότητα μιας εικόνας, αλλά και στους ίδιους τους δημιουργούς, φωτογράφους, καθώς το όνομα τους θα ακολουθεί την εικόνα όπου και αν αυτή δημοσιεύεται ηλεκτρονικά.

Επιπλέον η χρήση της συγκεκριμένης τεχνολογίας θα είναι ιδιαίτερα χρήσιμη στον θεατή μίας εικόνας καθώς θα μπορεί να βλέπει άμεσα ποιος είναι ο δημιουργός της αλλά και ποια επεξεργασία έχει δεχτεί και να κρίνει άμεσα αν αυτό που βλέπει ανταποκρίνεται σε αυτό που προβάλλεται μέσω της εικόνας.

Η τεχνολογία που επιτρέπει την εφαρμογή της CAI θα πρέπει να ενσωματωθεί στο λογισμικό επεξεργασίας φωτογραφιών των εταιρειών.

Η εργασία The Content Authenticity Initiative, Setting the Standard for Digital Content Attribution αναλύει πως θα εφαρμοστεί η CAI και πως θα βοηθήσει στο να μπει ένα τέλος στην κλοπή φωτογραφιών και στις ψεύτικες εικόνες.

Όπως αναφέρεται ο σκοπός της CAI είναι:

Η αρχική αποστολή της CAI είναι να αναπτύξει το πρότυπο για την απόδοση περιεχομένου στους δημιουργούς του. Με την αύξηση των υποκειμενικών κρίσεων σχετικά με την αυθεντικότητα με αντικειμενικά στοιχεία για με το πώς δημιουργήθηκε ένα είδος περιεχομένου (φωτογραφία, εικόνα), η CAI στοχεύει να βοηθήσει τους καταναλωτές περιεχομένου να έχουν την κατάλληλη γνώση ώστε να παίρνουν αποφάσεις σχετικά με το τι πρέπει να εμπιστεύονται.

Σήμερα, οι περισσότερες πληροφορίες απόδοσης περιεχομένου στους δημιουργούς του ενσωματώνονται στα metadata μέσω προτύπων όπως EXIF και XMP. Ωστόσο, τα περισσότερα έργα εμφανίζονται στο Web χωρίς αυτές οι πληροφορίες να μένουν ανέπαφες. Όσοι διαχειρίζονται περιεχόμενο, οι fact-checkers και οι τελικοί χρήστες αφήνονται να εκτιμήσουν το γενικό πλαίσιο αυτού που βλέπουν μέσω ατελών και αναποτελεσματικών μεθόδων. Θα παρέχουμε ένα επίπεδο ισχυρών δεδομένων απόδοσης των έργων στον δημιουργό και ιστορικού, που θα φαίνεται αν έχουν παραβιαστεί και θα βασίζονται σε XMP, Schema.org και άλλα πρότυπα metadata που υπερβαίνουν πολύ το πως χρησιμοποιούνται σήμερα. Αυτές οι πληροφορίες απόδοσης των έργων στους δημιουργούς τους θα συνδέονται με τα στοιχεία που περιγράφει ο δημιουργός, τα οποία με τη σειρά τους θα μειώσουν την προσπάθεια των δημιουργών να μοιράζονται τα δεδομένα απόδοσης του έργου τους και θα επιτρέψουν διαισθητικές εμπειρίες για τους καταναλωτές που χρησιμοποιούν τις πληροφορίες, για να τους βοηθήσουν να αποφασίσουν τι να εμπιστευτούν.

Η εργασία έχει γραφτεί σε συνεργασία ατόμων της Adobe, του The British Broadcasting Corporation, του CBC/Radio-Canada, της Microsoft, των The New York Times Company, του Stanford Center for Blockchain Research, του Truepic, του University of California, Berkeley και του WITNESS.

Μπορείτε να την μελετήσετε εδώ.

ΔΕΙΤΕ ΑΚΟΜΑ

author

Η ομάδα του pttlgr αποτελείται από φωτογράφους συντάκτες που αγαπούν την φωτογραφία και την ενημέρωση!

1 σχόλιο

  • #
    1

    είναι απλό, με print screen κάνεις αντίγραφο με μηδέν πληροφορίες

  • Ποιά είναι η γνώμη σου;

    Σας παρακαλούμε να σχολιάζετε με σεβασμό στους συνομιλητές σας και να χρησιμοποιείτε την ελληνική γλώσσα και όχι greeklish (παρά μόνο στην περίπτωση που δεν μπορείτε λόγω ρυθμίσεων του Η/Υ). Επίσης αποφεύγετε να γράφετε τα σχόλια σας με κεφαλαία γράμματα. Όλα τα σχόλια περνάνε από έλεγχο πριν την δημοσίευση τους, οπότε πρέπει να περιμένετε για να εγκριθεί το σχόλιο σας.

    Subscribe to our newsletter!