螞蟻集團憑藉 AIGC 偵測技術的突破,在電腦視覺會議上大放異彩

螞蟻集團近期在 CVPR 2026 NTIRE 影像偵測挑戰賽的兩個賽道中榮獲最高榮譽,分別是「複雜真實世界情境下的穩健性樣本測試」與「人臉增強異常偵測」。這項成就為在 AI 時代推進支付、內容安全審查及金融身分驗證等領域的風險識別工作提供了關鍵支持。
深度偽造(deepfakes)及生成式人工智慧內容(AIGC)濫用所衍生的風險正日益加劇。此類合成內容常難以肉眼辨識,而現有檢測模型在面對真實世界環境及多模態大型模型的快速演進時,準確度往往大幅下降。CVPR挑戰賽針對此問題提出解決方案,要求模型在涉及「未知生成架構」與「複雜退化干擾」的極端測試中,仍能維持高準確度與強健性。
螞蟻集團深耕支付系統領域逾二十年,已開發出領先業界的安全技術。這份專業知識現正延伸至 AI 安全領域。團隊提出基於 DINOv3 視覺基礎模型的偵測框架,使 AIGC 偵測能力從實驗室環境邁向實際應用,實現了重大飛躍。
針對「強健性樣本測試」賽道,螞蟻AI安全實驗室團隊建構了一個包含數百萬個高品質樣本的複雜訓練語料庫。該語料庫整合了WildFake、Z-Image、Seedream及Nano-banana-pro等資料集,並結合了尖端模型。 其底層架構採用雙流並行整合結構,猶如賦予檢測模型兩隻互補的「眼睛」,既能捕捉局部細節,亦能掌握整體影像特徵。團隊模擬了完整的影像退化效果鏈,從單一噪點到多重變形,精準重現了社交媒體傳播及二次攝影中常見的真實世界影像篡改情形。此方法大幅提升了模型在實際情境中的檢測表現。
此外,研究團隊還引入了兩階段的「定位-檢視」檢測範式。此方法會先標定可疑區域,再進行詳細檢視。他們同時建置了 FakeXplained 資料集,提供針對特定區域的文字解釋。 在分析可疑影像時,此技術不僅能判定其是否為 AI 生成,更能精準標示出含有偽造瑕疵或物理不一致性的區域,並同步生成詳細的推理依據。這項突破超越了傳統的「黑箱」檢測模式,使模型決策變得可追溯且可解釋。為促進合作以應對 Deepfake 挑戰,該團隊已在 GitHub 上開源了該領域最全面的 AIGC 影像與影片檢測資源庫之一。
在「人臉增強異常檢測」競賽中,螞蟻國際團隊憑藉精準定位人臉影像中的異常區域而奪冠。這項技術主要應用於金融交易身分驗證及開戶文件審查等情境,為防範深度偽造(Deepfake)及基於 AIGC 的攻擊提供了關鍵的技術保障。 在跨境支付與金融服務領域,螞蟻國際已將 AIGC 識別技術深度整合至 EKYC(電子身份驗證)及文件防偽等流程中,確保能對各類生成內容具備強大的檢測能力。
CVPR(電腦視覺與模式識別會議)是由IEEE贊助的國際會議。與ICCV及ECCV並列,被視為電腦視覺領域三大頂級會議之一。今年的挑戰賽吸引了來自全球超過500支隊伍參與。
相關文章
DeepMind執行長哈西里斯:我每天睡六個小時,通常在凌晨1點左右感到精力充沛。
Fortune 最近刊登了對谷歌 DeepMind 執行長 Demis Hassabis 的採訪,揭示了他對休息和生產力的非傳統方法。Hassabis 透露,他睡眠時間非常少,將清醒時間劃分為兩個不同的工作階段。關於他的睡眠習慣,Hassabis 表示:“我目標睡六小時,但我的習慣非同尋常。我可以在白天有效運作。”他強調,睡眠少於六小時會對大腦健康產生負面影響。Hassabis 於 2010 年聯合創立了 DeepMind(後被谷歌收購),並因其在蛋白質結構預測方面的開創性工作榮獲 20
儘管營收未達預期,OpenAI 與 Anthropic 仍爭奪市場份額
儘管近期有報導指出 OpenAI 未達營收目標,導致本週二科技股承壓,但私人人工智慧實驗室的投資者仍展現出韌性。資深投資者已確認,儘管媒體報導負面,他們仍不會削減投資。分析師認為當前的 AI 競逐仍處於初期階段,因此排除「贏家通吃」的結果。儘管高昂的運算成本對營收造成壓力,但各實驗室可透過調高訂閱費來提升獲利能力。產業格局正經歷微妙的變化與 OpenAI 不同,競爭對手 Anthropic 獲得了
加州自動駕駛合規:罰單、地理圍欄與 100 萬英里的新時代
Guident 在南佛羅里達州營運一輛 AuveTech 接駁車,並運用其遠端監控技術,管理西棕櫚灘的一條四英里路線以及博卡拉頓的一條一英里路線。| 圖片來源:Guident加州正重新定義無人駕駛車輛的監管格局,從科技產業的「快速行動、打破常規」心態,轉向嚴格的問責制與嚴謹的行駛里程要求。Guident 執行董事長兼執行長哈羅德·布勞恩(Harold Braun)在《機器人報告》(The Robo
相關專題推薦
評論 (0)
0/500

螞蟻集團近期在 CVPR 2026 NTIRE 影像偵測挑戰賽的兩個賽道中榮獲最高榮譽,分別是「複雜真實世界情境下的穩健性樣本測試」與「人臉增強異常偵測」。這項成就為在 AI 時代推進支付、內容安全審查及金融身分驗證等領域的風險識別工作提供了關鍵支持。
深度偽造(deepfakes)及生成式人工智慧內容(AIGC)濫用所衍生的風險正日益加劇。此類合成內容常難以肉眼辨識,而現有檢測模型在面對真實世界環境及多模態大型模型的快速演進時,準確度往往大幅下降。CVPR挑戰賽針對此問題提出解決方案,要求模型在涉及「未知生成架構」與「複雜退化干擾」的極端測試中,仍能維持高準確度與強健性。
螞蟻集團深耕支付系統領域逾二十年,已開發出領先業界的安全技術。這份專業知識現正延伸至 AI 安全領域。團隊提出基於 DINOv3 視覺基礎模型的偵測框架,使 AIGC 偵測能力從實驗室環境邁向實際應用,實現了重大飛躍。
針對「強健性樣本測試」賽道,螞蟻AI安全實驗室團隊建構了一個包含數百萬個高品質樣本的複雜訓練語料庫。該語料庫整合了WildFake、Z-Image、Seedream及Nano-banana-pro等資料集,並結合了尖端模型。 其底層架構採用雙流並行整合結構,猶如賦予檢測模型兩隻互補的「眼睛」,既能捕捉局部細節,亦能掌握整體影像特徵。團隊模擬了完整的影像退化效果鏈,從單一噪點到多重變形,精準重現了社交媒體傳播及二次攝影中常見的真實世界影像篡改情形。此方法大幅提升了模型在實際情境中的檢測表現。
此外,研究團隊還引入了兩階段的「定位-檢視」檢測範式。此方法會先標定可疑區域,再進行詳細檢視。他們同時建置了 FakeXplained 資料集,提供針對特定區域的文字解釋。 在分析可疑影像時,此技術不僅能判定其是否為 AI 生成,更能精準標示出含有偽造瑕疵或物理不一致性的區域,並同步生成詳細的推理依據。這項突破超越了傳統的「黑箱」檢測模式,使模型決策變得可追溯且可解釋。為促進合作以應對 Deepfake 挑戰,該團隊已在 GitHub 上開源了該領域最全面的 AIGC 影像與影片檢測資源庫之一。
在「人臉增強異常檢測」競賽中,螞蟻國際團隊憑藉精準定位人臉影像中的異常區域而奪冠。這項技術主要應用於金融交易身分驗證及開戶文件審查等情境,為防範深度偽造(Deepfake)及基於 AIGC 的攻擊提供了關鍵的技術保障。 在跨境支付與金融服務領域,螞蟻國際已將 AIGC 識別技術深度整合至 EKYC(電子身份驗證)及文件防偽等流程中,確保能對各類生成內容具備強大的檢測能力。
CVPR(電腦視覺與模式識別會議)是由IEEE贊助的國際會議。與ICCV及ECCV並列,被視為電腦視覺領域三大頂級會議之一。今年的挑戰賽吸引了來自全球超過500支隊伍參與。
DeepMind執行長哈西里斯:我每天睡六個小時,通常在凌晨1點左右感到精力充沛。
Fortune 最近刊登了對谷歌 DeepMind 執行長 Demis Hassabis 的採訪,揭示了他對休息和生產力的非傳統方法。Hassabis 透露,他睡眠時間非常少,將清醒時間劃分為兩個不同的工作階段。關於他的睡眠習慣,Hassabis 表示:“我目標睡六小時,但我的習慣非同尋常。我可以在白天有效運作。”他強調,睡眠少於六小時會對大腦健康產生負面影響。Hassabis 於 2010 年聯合創立了 DeepMind(後被谷歌收購),並因其在蛋白質結構預測方面的開創性工作榮獲 20
儘管營收未達預期,OpenAI 與 Anthropic 仍爭奪市場份額
儘管近期有報導指出 OpenAI 未達營收目標,導致本週二科技股承壓,但私人人工智慧實驗室的投資者仍展現出韌性。資深投資者已確認,儘管媒體報導負面,他們仍不會削減投資。分析師認為當前的 AI 競逐仍處於初期階段,因此排除「贏家通吃」的結果。儘管高昂的運算成本對營收造成壓力,但各實驗室可透過調高訂閱費來提升獲利能力。產業格局正經歷微妙的變化與 OpenAI 不同,競爭對手 Anthropic 獲得了





首頁






