アント・グループ、AIGC検出技術における画期的な成果でコンピュータビジョン会議を席巻

アント・グループは最近、CVPR 2026 NTIRE Image Detection Challengeにおいて、「複雑な実世界シナリオにおけるロバスト性サンプルテスト」および「顔画像の改ざん検知」の2部門で最優秀賞を獲得しました。この成果は、AI時代における決済、コンテンツセキュリティ審査、金融分野の本人確認などの分野で、リスクの特定を推進する上で極めて重要な後押しとなります。

ディープフェイクやAIGCの悪用に関連するリスクは増大しています。これらの合成コンテンツは肉眼では見分けがつかないことが多く、既存の検出モデルは、実世界での条件やマルチモーダル大規模モデルの急速な進化に直面すると、精度が大幅に低下してしまいます。CVPRチャレンジは、「未知の生成アーキテクチャ」や「複雑な劣化干渉」を含む過酷なテスト環境下でも、モデルが高い精度と堅牢性を維持することを要求することで、この課題に直接取り組んでいます。

アント・グループは決済システムをルーツに、20年以上にわたり最先端のセキュリティ技術を開発してきました。この専門知識は現在、AIセキュリティの分野へと拡大されています。同チームは、DINOv3視覚基盤モデルに基づいた検出フレームワークを提案し、AIGC検出能力を実験室環境から実世界での応用へと飛躍的に向上させました。

「Robustness Sample Testing」トラックにおいて、Ant AI Security Labチームは、数百万件の高品質なサンプルを含む複雑なトレーニングコーパスを構築しました。このコーパスには、WildFake、Z-Image、Seedream、Nano-banana-proなどのデータセットに加え、最先端のモデルも組み込まれています。 基盤となるアーキテクチャは、デュアルストリーム並列統合構造を採用しており、検出モデルに2つの補完的な「目」を与えることで、局所的な詳細と全体的な画像特徴の両方を捉えることができます。チームは、単一のノイズ点から複数の歪みに至るまで、画像劣化効果の完全な連鎖をシミュレートし、ソーシャルメディアでの拡散や二次加工で見られる現実世界の画像改変を忠実に再現しました。このアプローチにより、実用的なシナリオにおけるモデルの検出性能が大幅に向上しました。

さらに、チームは2段階の「Locate-Then-Examine（特定→検証）」検出パラダイムを導入しました。この手法では、まず疑わしい領域を特定してから詳細な検証を行います。また、局所的なテキストによる説明を提供する「FakeXplained」データセットも構築しました。 疑わしい画像を分析する際、この技術はAI生成かどうかを判定するだけでなく、偽造の欠陥や物理的な不整合を含む領域を特定し、同時に詳細な根拠を生成します。この画期的な成果は、従来の「ブラックボックス」検出を超え、モデルの意思決定を追跡可能かつ解釈可能にします。ディープフェイクの課題に取り組むための協力を促進するため、チームはこの分野で最も包括的なAIGC画像・動画検出リソースリポジトリの一つをGitHubでオープンソース化しました。

「顔画像の異常検出（Face Enhancement Anomaly Detection）」コンテストにおいて、Ant Internationalチームは顔画像内の異常領域を正確に特定し、優勝を果たしました。この技術は主に、金融取引における本人確認や口座開設時の書類審査などのシナリオに適用され、ディープフェイクやAIGCに基づく攻撃に対する重要な技術的防護策を提供しています。 国境を越えた決済や金融サービスにおいて、Ant InternationalはAIGC本人確認技術をEKYC（電子本人確認）や書類の偽造防止といったプロセスに深く統合し、様々な種類の生成コンテンツに対する堅牢な検出能力を確保しています。

CVPR（コンピュータビジョン・パターン認識会議）は、IEEEが主催する国際会議です。ICCVやECCVと並び、コンピュータビジョン分野における三大主要会議の一つとされています。今年のチャレンジには、世界中から500チーム以上が参加しました。