Remove-AI-Watermarks - CLI e biblioteca para remover marcas d'água de IA de imagens

• Remove-AI-Watermarks é uma CLI e biblioteca Python para processar de uma só vez marcas d'água visíveis, marcas d'água invisíveis e metadados de geração por IA em imagens criadas por Google Gemini (Nano Banana), ChatGPT/DALL-E, Stable Diffusion, Adobe Firefly, Midjourney e outros
• A remoção de marca d'água visível tem como alvo o logotipo sparkle do Gemini/Nano Banana, usando reverse alpha blending com um mapa alfa conhecido e inpainting com máscara de gradiente; leva cerca de 0,05 segundo por imagem e não requer GPU
• A remoção de marca d'água invisível enfraquece padrões no domínio de pixels e de frequência, como SynthID, StableSignature e TreeRing, por meio de regeneração baseada em difusão; o perfil padrão usa SDXL e um pipeline nativo de cerca de 1024 px
• A limpeza de metadados abrange EXIF, PNG text chunks, XMP DigitalSourceType e C2PA Content Credentials, removendo campos relacionados a IA que acionam o rótulo “Made with AI” no Instagram, Facebook e X(Twitter), enquanto preserva metadados padrão como Author, Copyright e Title
• O suporte inclui o logotipo sparkle, SynthID e C2PA/EXIF do Google Gemini/Nano Banana/Gemini 3 Pro; C2PA do OpenAI DALL-E 3/ChatGPT; PNG text chunks e marcas d'água esteganográficas do Stable Diffusion; Content Credentials do Adobe Firefly; e EXIF/XMP do Midjourney
• Smart Face Protection detecta pessoas com YOLO antes do processamento por difusão, extrai rostos e, após o processamento, mistura novamente os rostos originais com uma máscara elíptica suave para reduzir distorções nos traços faciais
• Analog Humanizer adiciona opcionalmente grão de filme e aberração cromática para fazer a saída parecer uma foto tirada de uma tela, sendo descrito como um recurso para contornar classificadores de imagens de IA
• Recomenda-se instalar com pipx install git+https://github.com/wiltodelta/remove-ai-watermarks.git ou uv tool install git+https://github.com/wiltodelta/remove-ai-watermarks.git; a instalação padrão inclui remoção de marca d'água visível e remoção de metadados
• Os requisitos são Python 3.10+; a remoção de marca d'água visível e o processamento de metadados podem ser feitos apenas com CPU, enquanto a remoção de marca d'água invisível recomenda GPU com CUDA ou MPS, mas também funciona lentamente em CPU
• Na primeira execução da remoção de marca d'água invisível, cerca de 2GB de modelos são baixados automaticamente, e o dispositivo é detectado automaticamente na ordem CUDA (Linux/Windows) > MPS(macOS) > CPU, podendo ser especificado com --device
• A CLI pode ser usada como remove-ai-watermarks all image.png -o clean.png, e o processamento em lote de diretórios como remove-ai-watermarks batch ./images/ --mode all; também há subcomandos visible, invisible e metadata
• A API Python usa GeminiEngine para detectar e remover marcas d'água, e has_ai_metadata e remove_ai_metadata para verificar e remover metadados de IA de imagens
• O roadmap inclui testes de regressão automatizados para SynthID-Image v2, limitações na remoção de EXIF/XMP interno em AVIF/HEIF/JPEG-XL, e um pipeline de vídeo planejado como pacote separado; a remoção de Nightshade/Glaze/PhotoGuard não é suportada por ser considerada um ataque a proteções de artistas
• A seção legal afirma que a sinalização de origem gerada por IA é regulamentada em várias jurisdições, e que remover essas informações com a intenção de enganar sobre a origem pode violar leis, a DMCA e termos de plataformas, sendo o usuário responsável por cumprir as regras
• O modelo de ameaça foca em ajudar imagens de IA já distribuídas a responder a sistemas automáticos de detecção e rótulos “Made with AI”, alertando que, se o arquivo original passou pela conta do criador ou por sistemas do Google, isso não anonimiza registros do lado do servidor

[GN⁺]

Comentários do Hacker News

• Um comentário em outro tópico sobre SynthID e OpenAI foi subestimado, mas acho que captura bem qual deveria ser o espírito hacker nessa questão
  Nós valorizamos a privacidade, então não deveríamos aceitar ferramentas que coloquem um código de barras em toda ação digital. A resposta “ainda não fazem isso” também não é muito convincente

  • Criar ferramentas que tentam remover marcas d’água provavelmente vai fracassar por causa da corrida armamentista que as grandes empresas acabarão vencendo, e isso equivale a aceitar implicitamente o código de barras
    O espírito hacker, acima de tudo, deveria estar em rodar modelos open source localmente sem depender de empresas
  • Aceitar a destruição cega do próprio conceito de verdade também não deveria ser espírito hacker
  • Parece provável que imagens geradas por IA em softwares usados na UE já sejam, ou em breve sejam, obrigadas a ter marca d’água como parte das regras de transparência em IA
  • É isso que acontece quando pessoas no poder têm traços paranoicos e sombrios
    Elas passam a querer meios de identificar e punir quem ameaça seu poder
  • Não é “toda ação digital”, e sim fotos que elas pedem para que sejam feitas
    Se privacidade é importante, basta usar modelos locais

• Acho até bom quando algo tem uma indicação clara de que é IA, porque aí posso ignorar tudo mais que venha daquela fonte

  • O problema é que essa indicação, para começo de conversa, não era clara
    Essa ferramenta é uma boa forma de mostrar isso às pessoas
  • Se alguém está fazendo algo de que você não gosta, é difícil esperar que essa pessoa faça do jeito que você preferiria
  • Fico curioso se a marca removida aqui é a mesma, ou parecida, com a que é adicionada quando você faz pequenas edições com ferramentas de IA em um editor de imagens
    Por exemplo, quando se faz uma remoção de objeto mais complexa no editor

• É engraçado que este post esteja exatamente uma posição acima do post OpenAI Adopts SynthID Watermarks

• Colocar marca d’água em imagens geradas a partir de dados treinados com material protegido por direitos autorais roubado parece meio errado, embora eu entenda a motivação de querer distinguir o que é real do que não é

• No caso do Gemini, essa explicação é um pouco enganosa. O que é removido de fato é só a marca d’água visível
  Para remover o SynthID, seria preciso regenerar a imagem com SDXL em baixo nível de ruído, o que provavelmente destruiria muitos pequenos detalhes e não deve funcionar direito em alta resolução. NB2 e GPT Image 2 suportam saída de imagem de até 4K

  • O Nano Banana 2 basicamente só suporta resolução 1K (1024x1024)
    Acima disso é upscaling, então fica parecido com o SDXL. O GPT Image 2 suporta 4K nativamente, mas ainda é experimental
  • Se o SDXL ainda for o melhor modelo de imagem local mesmo depois de alguns anos, isso é bem triste

• Para remover a marca d’água do Gemini, basta abrir as ferramentas de desenvolvedor e bloquear a requisição HTTP para watermark
  É um overlay de logo aplicado no cliente

• Acho difícil aceitar a explicação de que o “caso de uso adequado ao modelo de ameaça” seria preservar arte ou registros históricos contra rótulos falso-positivos de “gerado por IA”
  Não vejo o que gerar imagens com IA tem a ver com isso. Geradores de imagem não podem inserir marca d’água em algo que não criaram e, se a marca d’água realmente tiver fidelidade suficiente para rastrear até um ID de sessão específico, como diz o README, então também parece muito improvável que apareça um falso positivo em arte feita por humanos. Além disso, editar a imagem para apagar a marca d’água inevitavelmente altera o próprio objeto que se quer “preservar”
  Quanto mais leio, mais me convenço de que os casos de uso no README são besteira, e que o objetivo real é permitir postar lixo de IA nas redes sociais contornando o rótulo de gerado por IA

  • Em geral concordo que a justificativa do repositório está errada, mas discordo da parte de que “geradores de imagem não podem inserir marca d’água em algo que não criaram”
    Na prática, é muito fácil pegar uma imagem real e pedir ao Gemini ou ao ChatGPT para alterar só uma parte bem pequena dela. Pode ser uma mudança mínima, como iluminação ou sombra, e a imagem resultante muitas vezes é detectada por essas ferramentas de marca d’água. Desse jeito, qualquer imagem real pode facilmente ser apresentada como imagem gerada por IA

• Independentemente de gostar ou não deste projeto específico, acho que o caminho daqui para frente está em provar a autenticidade de recursos não-IA, e não em tentar colocar marca d’água em tudo que é gerado por IA

  • Se você apontar uma câmera “autenticada” para uma tela realmente boa e fotografar qualquer coisa que possa ser exibida nela, isso vira uma foto certamente real, então é um problema bem difícil de resolver

• Marca d’água só funciona direito quando o método é secreto
  Colocar uma cifra em ruído de alta frequência é uma abordagem antiga. No campo dos modelos generativos, seria muito mais interessante aproveitar a flexibilidade da geração para codificar isso na estrutura macroscópica

• Não dá simplesmente para usar modelos open source?