O Ant Group se destaca em conferência sobre visão computacional com avanço na detecção de AIGC

O Ant Group conquistou recentemente as primeiras colocações em duas categorias do Desafio de Detecção de Imagens NTIRE da CVPR 2026: “Teste de Amostras de Robustez em Cenários Complexos do Mundo Real” e “Detecção de Anomalias no Realce Facial”. Essa conquista oferece um apoio fundamental para o avanço na identificação de riscos em áreas como pagamentos, análise de segurança de conteúdo e autenticação de identidade financeira na era da IA.

Os riscos associados a deepfakes e ao uso indevido de AIGC estão aumentando. Esses conteúdos sintéticos muitas vezes são indistinguíveis a olho nu, e os modelos de detecção existentes sofrem quedas significativas de precisão quando confrontados com condições do mundo real e a rápida evolução de grandes modelos multimodais. O desafio da CVPR aborda diretamente essa questão, exigindo que os modelos mantenham alta precisão e robustez em testes extremos envolvendo “arquiteturas de geração desconhecidas” e “interferência de degradação complexa”.

Com raízes em sistemas de pagamento, o Ant Group desenvolveu tecnologias de segurança de ponta ao longo de duas décadas. Essa expertise está agora sendo estendida à segurança de IA. A equipe propôs uma estrutura de detecção baseada no modelo visual de base DINOv3, permitindo um salto significativo na capacidade de detecção de AIGC, passando de ambientes laboratoriais para aplicações do mundo real.

Para a categoria “Teste de Amostras de Robustez”, a equipe do Ant AI Security Lab construiu um corpus de treinamento complexo contendo milhões de amostras de alta qualidade. Esse corpus incorporou conjuntos de dados como WildFake, Z-Image, Seedream e Nano-banana-pro, juntamente com modelos de ponta. A arquitetura subjacente emprega uma estrutura de integração paralela de fluxo duplo, semelhante a dar ao modelo de detecção dois “olhos” complementares para capturar tanto detalhes locais quanto características globais da imagem. A equipe simulou uma cadeia completa de efeitos de degradação de imagem, desde pontos de ruído isolados até múltiplas distorções, replicando fielmente as alterações de imagem do mundo real observadas na disseminação nas redes sociais e na fotografia secundária. Essa abordagem melhorou substancialmente o desempenho de detecção do modelo em cenários práticos.

Além disso, a equipe introduziu um paradigma de detecção em duas etapas, “Localizar e depois examinar”. Esse método primeiro identifica regiões suspeitas antes de realizar uma análise detalhada. Eles também criaram o conjunto de dados FakeXplained, que fornece explicações textuais localizadas. Ao analisar uma imagem suspeita, essa técnica não apenas determina se ela foi gerada por IA, mas também identifica áreas que contêm falhas de falsificação ou inconsistências físicas, gerando simultaneamente uma justificativa detalhada. Essa inovação vai além da detecção tradicional de “caixa preta”, tornando as decisões do modelo rastreáveis e interpretáveis. Para promover a colaboração no enfrentamento dos desafios do Deepfake, a equipe disponibilizou em código aberto no GitHub um dos repositórios de recursos de detecção de imagens e vídeos AIGC mais abrangentes da área.

Na competição “Face Enhancement Anomaly Detection”, a equipe da Ant International venceu ao localizar com precisão áreas anômalas em imagens faciais. Essa tecnologia é aplicada principalmente em cenários como verificação de identidade em transações financeiras e análise de documentos para abertura de contas, oferecendo proteções técnicas cruciais contra ataques baseados em Deepfake e AIGC. Em pagamentos internacionais e serviços financeiros, a Ant International integrou profundamente a tecnologia de identificação AIGC em processos como EKYC e combate à falsificação de documentos, garantindo recursos robustos de detecção para vários tipos de conteúdo gerado.

A CVPR (Conferência sobre Visão Computacional e Reconhecimento de Padrões) é uma conferência internacional patrocinada pelo IEEE. Juntamente com a ICCV e a ECCV, é considerada uma das três principais conferências em visão computacional. O desafio deste ano atraiu mais de 500 equipes de todo o mundo.