با پیشرفت چشمگیر مدلهای تولید تصویر مثل GPT-Image-2، تشخیص اصالت تصاویرِ حاوی متن (مانند رسیدها، جداول و اینفوگرافیکها) به یک ضرورت برای امنیت دیجیتال تبدیل شده است.
محققان بهتازگی بنچمارک جدیدی به نام «TextRich» را معرفی کردهاند که شامل بیش از ۱۲ هزار تصویر در ۶ دستهبندی مختلف است. این تحقیق نشان میدهد که ابزارهای فعلیِ تشخیص تصویرِ هوش مصنوعی، هنوز در مواجهه با تصاویرِ دارای متن و ساختار پیچیده دچار چالش هستند و مدلهای بینایی-زبانی (VLM) میتوانند راهکار مکمل خوبی باشند.
این تحقیق گامی مهم برای افزایش اعتماد به محتوای دیجیتال در عصری است که تمایز بین واقعیت و ساختههای هوش مصنوعی روز به روز دشوارتر میشود. نظر شما چیست؟ آیا هوش مصنوعی در نهایت میتواند بر این چالش غلبه کند؟
منبع: arXiv Computer Vision