Remove-AI-Watermarks: CLI-Tool entfernt SynthID, C2PA und sichtbare KI-Wasserzeichen
Remove-AI-Watermarks ist ein Python-basiertes CLI-Tool und eine Bibliothek, das drei Kategorien von KI-Wasserzeichen adressiert: sichtbare Logo-Overlays (z. B. das Sparkle-Logo von Google Gemini / Nano Banana), unsichtbare Frequenzraum-Wasserzeichen (SynthID v1+v2, StableSignature, TreeRing) sowie Metadaten-basierte Kennzeichnungen (EXIF, XMP, C2PA, PNG-Textchunks). Das Gemini-Sparkle-Logo wird per reverser Alpha-Blending in ca. 0,05 Sekunden ohne GPU entfernt; unsichtbare Wasserzeichen werden durch eine diffusionsbasierte Regeneration (standardmäßig SDXL mit ~50 Schritten bei Stärke 0,05) ausgehebelt. Seit Mai 2026 ist SDXL der Standard-Pipeline, nachdem der ältere SD-1.5-Pfad SynthID v2 auf Gemini-3-Pro-Outputs nicht zuverlässig beseitigte. Ein dreistufiger NCC-Detektor (Normalized Cross-Correlation) erkennt Wasserzeichen-Position und -Skalierung dynamisch. Zusätzliche Features umfassen einen „Analog Humanizer" (Filmkorn + chromatische Aberration zum Umgehen von KI-Bildklassifikatoren), automatischen Gesichtsschutz via YOLO sowie Batch-Verarbeitung ganzer Verzeichnisse. Eine webbasierte Demo ist unter raiw.cc verfügbar. Das Tool erfordert Python 3.10+ und optionale GPU-Abhängigkeiten für die Diffusions-Pipeline.
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.
Verwandte Beiträge
Remove-AI-Watermarks: CLI-Tool entfernt SynthID, C2PA und sichtbare KI-Wasserzeichen
Remove-AI-Watermarks ist ein Python-basiertes CLI-Tool und eine Bibliothek, das drei Kategorien von KI-Wasserzeichen adressiert: sichtbare Logo-Overlays (z. B. das Sparkle-Logo von Google Gemini / Nano Banana), unsichtbare Frequenzraum-Wasserzeichen (SynthID v1+v2, StableSignature, TreeRing) sowie Metadaten-basierte Kennzeichnungen (EXIF, XMP, C2PA, PNG-Textchunks). Das Gemini-Sparkle-Logo wird per reverser Alpha-Blending in ca. 0,05 Sekunden ohne GPU entfernt; unsichtbare Wasserzeichen werden durch eine diffusionsbasierte Regeneration (standardmäßig SDXL mit ~50 Schritten bei Stärke 0,05) ausgehebelt. Seit Mai 2026 ist SDXL der Standard-Pipeline, nachdem der ältere SD-1.5-Pfad SynthID v2 auf Gemini-3-Pro-Outputs nicht zuverlässig beseitigte. Ein dreistufiger NCC-Detektor (Normalized Cross-Correlation) erkennt Wasserzeichen-Position und -Skalierung dynamisch. Zusätzliche Features umfassen einen „Analog Humanizer" (Filmkorn + chromatische Aberration zum Umgehen von KI-Bildklassifikatoren), automatischen Gesichtsschutz via YOLO sowie Batch-Verarbeitung ganzer Verzeichnisse. Eine webbasierte Demo ist unter raiw.cc verfügbar. Das Tool erfordert Python 3.10+ und optionale GPU-Abhängigkeiten für die Diffusions-Pipeline.
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.