DeFakerOne: Új modell egyesíti a hamis kép detekciót és lokalizációt
A modell a generatív AI által létrehozott képhamisítványok széles skáláját képes azonosítani, a DeepFake-től a teljes AI-generált képekig.
Új, egységesített modellt fejlesztettek ki a hamis képek detektálására és lokalizálására — írja az arXiv-on megjelent kutatás. A DeFakerOne nevű rendszer célja, hogy áthidalja a generatív AI által előállított hamisítványok egyre egységesebb természete és a jelenleg még széttagolt észlelési módszerek közötti szakadékot.
A generatív AI gyors fejlődése alapjaiban változtatta meg a képhamisítás paradigmáját, elmosva a határokat a dokumentumszerkesztés, a természetes képek manipulációja, a DeepFake generálás és a teljes AI-generált képek szintézise között. A kutatók szerint a meglévő hamis kép detektálási és lokalizációs (FIDL) kutatások azonban továbbra is széttagoltak, ami nem illeszkedik a hamisítási mechanizmusok egységesedéséhez.
A hamisítványok elleni küzdelem frontvonalában
A DeFakerOne egy adatcentrikus, egységes FIDL alapmodell, amely az InternVL2 és a SAM2 integrációjával működik. Ez a megközelítés lehetővé teszi a kép szintű detekciót és a pixel szintű hamisítási lokalizációt egyidejűleg. A korábbi módszerek jellemzően doménspecifikus problémákra fókuszáltak, mint például a DeepFake-ek (arcmanipulációk), az IMDL (természetes képek helyi manipulációi) vagy az AIGC (teljesen szintetikus képek) detektálása.
A megoldás kulcsa: egységesítés
A modell fejlesztői két fő kihívást azonosítottak: a különböző domének közötti műtermékátvitel és interferencia megértését, valamint egy nagy kapacitású, egységes alapmodell építését a detekció és lokalizáció együttes kezelésére. A DeFakerOne ezekre a problémákra kínál megoldást, egységes keretet biztosítva a hamisítványok azonosítására. A DeFakerOne modell 2026 májusában debütált, és a kutatók remélik, hogy a DeFakerOne technológiát a jövőben széles körben alkalmazni fogják a digitális képbiztonság területén.