蚂蚁集团凭借在AIGC检测方面的突破性成果,在计算机视觉大会上大放异彩

蚂蚁集团近日在CVPR 2026 NTIRE图像检测挑战赛的两个赛道中斩获桂冠,分别是“复杂真实世界场景下的鲁棒性样本测试”和“人脸增强异常检测”。这一成就为在AI时代推进支付、内容安全审查及金融身份认证等领域的风险识别提供了关键支持。
深度伪造(deepfakes)及AIGC滥用带来的风险日益加剧。此类合成内容常令肉眼难以辨别,而现有检测模型在面对真实世界环境及多模态大型模型的快速演进时,准确率会显著下降。CVPR挑战赛通过要求模型在涉及“未知生成架构”和“复杂退化干扰”的极端测试中保持高准确率和鲁棒性,直接应对了这一问题。
蚂蚁集团深耕支付系统二十余年,在此基础上开发了前沿的安全技术。如今,这一专业能力正延伸至AI安全领域。团队基于DINOv3视觉基础模型提出了一种检测框架,使AIGC检测能力从实验室环境向实际应用实现了重大飞跃。
针对“鲁棒性样本测试”赛道,蚂蚁AI安全实验室团队构建了一个包含数百万个高质量样本的复杂训练语料库。该语料库整合了WildFake、Z-Image、Seedream和Nano-banana-pro等数据集,并结合了前沿模型。 其底层架构采用双流并行集成结构,犹如为检测模型配备了两只互补的“眼睛”,既能捕捉局部细节,又能把握全局图像特征。团队模拟了从单个噪点到多重畸变的完整图像退化效应链,精准复现了社交媒体传播及二次摄影中常见的真实世界图像篡改现象。这种方法显著提升了模型在实际场景中的检测性能。
此外,研究团队引入了“定位-审查”两阶段检测范式。该方法首先识别可疑区域,随后进行详细审查。他们还构建了FakeXplained数据集,该数据集提供了针对特定区域的文本解释。 在分析可疑图像时,该技术不仅能判定其是否由AI生成,还能精确定位包含伪造缺陷或物理不一致性的区域,并同步生成详细推理依据。这一突破超越了传统的“黑箱”检测模式,使模型决策变得可追溯且可解释。为促进应对深度伪造挑战的合作,该团队已在GitHub上开源了该领域最全面的AIGC图像和视频检测资源库之一。
在“人脸增强异常检测”竞赛中,蚂蚁国际团队凭借精准定位人脸图像中的异常区域而夺冠。该技术主要应用于金融交易身份验证及开户文件审核等场景,为防范深度伪造和基于AIGC的攻击提供了关键的技术保障。 在跨境支付与金融服务领域,蚂蚁国际已将AIGC识别技术深度融入电子KYC(EKYC)及文件防伪等流程,确保对各类生成式内容具备强大的检测能力。
CVPR(计算机视觉与模式识别会议)是由IEEE主办的国际会议。它与ICCV、ECCV并称为计算机视觉领域的三大顶级会议。本届挑战赛吸引了来自全球的500多支队伍参赛。
相关文章
一项人类学研究指出,经过精心打磨的人工智能内容会导致人类思考能力的下降
当你看到人工智能瞬间生成一段结构严谨、逻辑清晰的代码或文档时,是否会不假思索地选择相信它?据AIbase报道,领先的人工智能公司Anthropic最近发布了一份题为《AI流利度指数》的研究报告。 在分析了近10,000份匿名Claude对话样本后,该研究揭示了一个令人担忧的趋势:AI生成的内容看起来越是精炼,用户就越不愿意去核实事实。报告显示,当Claude生成小型应用程序、网页代码或格式化文档等
英国各政府部门就人工智能数据中心的能源需求问题发生争执
英国政府正面临一项重大挑战:在推动清洁能源发展的同时,力争成为人工智能领域的全球领导者。然而,负责实现这些目标的各部门之间却存在严重分歧。 科学、创新与技术部(DSIT)与能源安全与净零部(DESNZ)对人工智能数据中心的未来电力需求做出了截然不同的预测。DSIT预测,到2030年,人工智能数据中心将需要6吉瓦的电力,而DESNZ的估计则不到这一数字的十分之一。 这一差距引起了非营利组织Foxgl
中国网络空间管理局要求对人工智能生成和虚构的短视频进行标注
中国国家互联网信息办公室出台了一项全面计划,旨在规范短视频内容标注,要求各平台提供六项必备标签——包括“AI生成内容”——这标志着短视频治理进入了一个强制透明化的新时代。为解决内容来源不明、难以区分真伪等问题,监管部门在此前与抖音、快手、腾讯、百度等主要平台开展试点的基础上,现已将内容标注作为短视频发布流程中的强制性环节。 发布者必须从六种选项中选择其一:“虚构演绎”、“AI生成”、“含营销信息”
相关专题推荐
评论 (0)
0/500

蚂蚁集团近日在CVPR 2026 NTIRE图像检测挑战赛的两个赛道中斩获桂冠,分别是“复杂真实世界场景下的鲁棒性样本测试”和“人脸增强异常检测”。这一成就为在AI时代推进支付、内容安全审查及金融身份认证等领域的风险识别提供了关键支持。
深度伪造(deepfakes)及AIGC滥用带来的风险日益加剧。此类合成内容常令肉眼难以辨别,而现有检测模型在面对真实世界环境及多模态大型模型的快速演进时,准确率会显著下降。CVPR挑战赛通过要求模型在涉及“未知生成架构”和“复杂退化干扰”的极端测试中保持高准确率和鲁棒性,直接应对了这一问题。
蚂蚁集团深耕支付系统二十余年,在此基础上开发了前沿的安全技术。如今,这一专业能力正延伸至AI安全领域。团队基于DINOv3视觉基础模型提出了一种检测框架,使AIGC检测能力从实验室环境向实际应用实现了重大飞跃。
针对“鲁棒性样本测试”赛道,蚂蚁AI安全实验室团队构建了一个包含数百万个高质量样本的复杂训练语料库。该语料库整合了WildFake、Z-Image、Seedream和Nano-banana-pro等数据集,并结合了前沿模型。 其底层架构采用双流并行集成结构,犹如为检测模型配备了两只互补的“眼睛”,既能捕捉局部细节,又能把握全局图像特征。团队模拟了从单个噪点到多重畸变的完整图像退化效应链,精准复现了社交媒体传播及二次摄影中常见的真实世界图像篡改现象。这种方法显著提升了模型在实际场景中的检测性能。
此外,研究团队引入了“定位-审查”两阶段检测范式。该方法首先识别可疑区域,随后进行详细审查。他们还构建了FakeXplained数据集,该数据集提供了针对特定区域的文本解释。 在分析可疑图像时,该技术不仅能判定其是否由AI生成,还能精确定位包含伪造缺陷或物理不一致性的区域,并同步生成详细推理依据。这一突破超越了传统的“黑箱”检测模式,使模型决策变得可追溯且可解释。为促进应对深度伪造挑战的合作,该团队已在GitHub上开源了该领域最全面的AIGC图像和视频检测资源库之一。
在“人脸增强异常检测”竞赛中,蚂蚁国际团队凭借精准定位人脸图像中的异常区域而夺冠。该技术主要应用于金融交易身份验证及开户文件审核等场景,为防范深度伪造和基于AIGC的攻击提供了关键的技术保障。 在跨境支付与金融服务领域,蚂蚁国际已将AIGC识别技术深度融入电子KYC(EKYC)及文件防伪等流程,确保对各类生成式内容具备强大的检测能力。
CVPR(计算机视觉与模式识别会议)是由IEEE主办的国际会议。它与ICCV、ECCV并称为计算机视觉领域的三大顶级会议。本届挑战赛吸引了来自全球的500多支队伍参赛。
一项人类学研究指出,经过精心打磨的人工智能内容会导致人类思考能力的下降
当你看到人工智能瞬间生成一段结构严谨、逻辑清晰的代码或文档时,是否会不假思索地选择相信它?据AIbase报道,领先的人工智能公司Anthropic最近发布了一份题为《AI流利度指数》的研究报告。 在分析了近10,000份匿名Claude对话样本后,该研究揭示了一个令人担忧的趋势:AI生成的内容看起来越是精炼,用户就越不愿意去核实事实。报告显示,当Claude生成小型应用程序、网页代码或格式化文档等
英国各政府部门就人工智能数据中心的能源需求问题发生争执
英国政府正面临一项重大挑战:在推动清洁能源发展的同时,力争成为人工智能领域的全球领导者。然而,负责实现这些目标的各部门之间却存在严重分歧。 科学、创新与技术部(DSIT)与能源安全与净零部(DESNZ)对人工智能数据中心的未来电力需求做出了截然不同的预测。DSIT预测,到2030年,人工智能数据中心将需要6吉瓦的电力,而DESNZ的估计则不到这一数字的十分之一。 这一差距引起了非营利组织Foxgl
中国网络空间管理局要求对人工智能生成和虚构的短视频进行标注
中国国家互联网信息办公室出台了一项全面计划,旨在规范短视频内容标注,要求各平台提供六项必备标签——包括“AI生成内容”——这标志着短视频治理进入了一个强制透明化的新时代。为解决内容来源不明、难以区分真伪等问题,监管部门在此前与抖音、快手、腾讯、百度等主要平台开展试点的基础上,现已将内容标注作为短视频发布流程中的强制性环节。 发布者必须从六种选项中选择其一:“虚构演绎”、“AI生成”、“含营销信息”





首页






