UPC: 偽画像を検出するアルゴリズムを改善

このトリビューンでは、モンセラート・リガル、ジャーナリスト RTVE、その方法を説明します UPC (カタルーニャ工科大学) は、既存のアルゴリズムでは満足のいく結果が得られないため、効果的なアルゴリズムを改善することで偽画像の検出を完璧にすることに取り組んでいます。

プロジェクト全体を通して イベレス 私たちは、拡散アルゴリズムに基づいて偽の画像を生成するメカニズムの一部が、依然として自動的に検出するのがいかに難しいかを理解することができました。したがって、検出を完璧にすることが重要です。偽の画像。

次のような画像生成 Web サイトやアプリを通じて、どのユーザーでも利用できる多くのテクニックが存在します。から-2、安定した拡散、旅の途中、 Bing (From-3) のオープンAI フェイクニュースを説明するために非常に頻繁に使用されます。

カタルーニャ工科大学から相談を受けた数名の専門家によると、これらのアルゴリズムははるかに最近のもので、この種の画像を自動検出する提案はいくつかあるものの、「その結果はまだ完全に満足のいくものではありません」とコンピューターエンジニアのドミニク博士は述べています。フランセスク・タレス

新しいアルゴリズム

このため、バルセロナの UPC 専門家グループは、新しいアルゴリズムの研究開発に取り組んでいます。目的は、これらにより、 自動かつ信頼性の高い検出 de este tipo de imágenes que habitualmente son generadas a partir de un texto que las define. Esta es actualmente la línea de trabajo sobre la que están dedicando la mayor parte del tiempo.

En el avance hacia una detección de imagen falsa se han volcado muchos intentos, más o menos, fallidos con una conclusión bastante unánime. Los expertos aseguran que si se degenera una imagen artificial y se vuelve a generar, obtendremos una imagen muy parecida a la original. En cambio, si degeneramos una imagen natural y la intentamos volver a generar mediante algoritmos de difusión, la imagen obtenida difiere de forma considerable de la de partida。

Discriminar imágenes naturales

El error en la reconstrucción permite, en cierta medida, discriminar las imágenes naturales de las artificiales. El error es grande cuando la imagen es natural y pequeño cuando se parte de una imagen generada mediante algoritmos de inteligencia artificial。

Esencialmente, esta es una idea en la que han estado trabajado diferentes laboratorios de investigación con resultados aceptables, aunque no totalmente satisfactorios. Los diferentes algoritmos proponen estrategias de degradación y generación diferentes.

Primera línea de investigación

En la primera línea, se ha desarrollado un sistema de monitorización de contenidos que facilita y automatiza la tarea de seguimiento de diferentes canales sospechosos de la difusión de noticias falsas a nivel internacional.

Se ha desarrollado un sistema de monitorización de contenidos 何促進し、自動化するさまざまなものを監視するタスク不審なチャンネルのフェイクニュースの蔓延国際的に。

本質的には、 YouTube と TikTok チャンネルのコンテンツを監視するソフトウェア ユーザーが選択すると、チャンネルにアップロードされた新しいコンテンツのビデオが 30 分ごとにダウンロードされます。ビデオがダウンロードされたら、 オリジナルバージョンの音声転写90 を超える入力言語がサポートされており、その後、同じ言語がスペイン語と英語に翻訳されます。この仕組みにより、 独自のデータベース チャンネルのコンテンツはオーディオ、ビデオ、テキスト形式で利用できます。これらの音声、画像、ビデオ、テキストのコンテンツは、後でニュースが虚偽である可能性を評価するために使用されます。

この開発の最初の部分は開発が非常に進んだ状態にあり、すでに開発が進められています。 その機能をテストする RTVE、EFE、UAB などのさまざまな作業チームによる

フェイク生成カテゴリ

UPC の IVERES グループの 2 番目の仕事は、 アルゴリズムの研究と開発 人工的に生成された画像またはビデオの検出用。この意味で、フェイク生成アルゴリズムはさまざまなカテゴリに分類されています。

これらのカテゴリーの例としては、 アルゴリズムを使用した画像操作 画像処理、 人工顔の生成の世代 新しい属性 (メガネ、ひげ、染毛剤など)、 顔交換 俳優と有名人の間の（顔の交換）。

最適なソフトウェアを選択する

これらは長年にわたって確立されてきた手法であり、高度に実績のあるツールが複数あります。 画像の生成とその検出。この場合、プロジェクト内での私たちの役割は次のとおりです。 これらすべてのメソッドを分析する、さまざまなデータベースでテストし、提供するソフトウェアツールを選択して実装します。 最高の結果。

これらのツールは 監視アプリケーション ニュースアナリストが簡単にできるようにするため 画像かビデオかを確認してください 出現するものは人工的に生成された可能性があります。