محققان در یک پژوهش جدید، راهکار هوشمندانهای به نام GLID ارائه کردهاند که به جای اتکا صرف به دادههای آموزشی، از «هندسه» برای شناسایی چهرههای دستکاریشده استفاده میکند.
نکته کلیدی اینجاست که ابزارهای فعلی تشخیص جعل، معمولاً در برابر مدلهای جدید تولید تصویر (که در زمان آموزش ندیدهاند) دچار ضعف هستند؛ اما GLID با تحلیل ابعاد ذاتی (Local Intrinsic Dimension) در لایههای مدلهای بینایی، میتواند آثار دقیق تولیدات GAN یا Diffusion را حتی در تصاویر ناشناخته شناسایی کند. این یعنی یک گام بزرگ به جلو برای امنیت دیجیتال و مقابله با محتوای ساختگی! 🤖✨
منبع: arXiv Computer Vision