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
DeepMind首席执行官哈西里斯:我每天睡六个小时,通常在凌晨1点左右感到精力充沛。
Fortune 最近刊登了对谷歌 DeepMind 首席执行官 Demis Hassabis 的采访,揭示了他对休息和生产力的非传统方法。Hassabis 透露,他睡眠时间非常少,将清醒时间划分为两个不同的工作阶段。关于他的睡眠习惯,Hassabis 表示:“我目标睡六小时,但我的习惯非同寻常。我可以在白天有效运作。”他强调,睡眠少于六小时会对大脑健康产生负面影响。Hassabis 于 2010 年联合创立了 DeepMind(后被谷歌收购),并因其在蛋白质结构预测方面的开创性工作荣获 20
尽管营收未达预期,OpenAI与Anthropic仍在争夺市场份额
尽管近期有报道称OpenAI未达营收目标,给本周二的科技股带来压力,但私营人工智能实验室的投资者仍表现坚韧。经验丰富的投资者已确认,尽管媒体报道负面,他们仍不会减少投资。分析师认为当前的人工智能竞赛仍处于早期阶段,因此不会出现“赢家通吃”的局面。尽管高昂的计算成本给营收带来压力,但实验室可通过提高订阅费来提升盈利能力。行业格局正发生微妙变化与OpenAI不同,其竞争对手Anthropic获得了强有
加利福尼亚州自动驾驶合规:罚单、地理围栏和100万英里的新时代
Guident公司在南佛罗里达州运营一辆AuveTech自动驾驶班车,利用其远程监控技术管理西棕榈滩的一条4英里路线和博卡拉顿的一条1英里路线。| 图片来源:Guident加利福尼亚州正在重新定义无人驾驶车辆的监管格局,正逐渐摆脱科技行业“快速行动,打破常规”的思维模式,转向严格的问责制和严苛的行驶里程要求。Guident执行董事长兼首席执行官哈罗德·布劳恩(Harold Braun)在《机器人报
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。
DeepMind首席执行官哈西里斯:我每天睡六个小时,通常在凌晨1点左右感到精力充沛。
Fortune 最近刊登了对谷歌 DeepMind 首席执行官 Demis Hassabis 的采访,揭示了他对休息和生产力的非传统方法。Hassabis 透露,他睡眠时间非常少,将清醒时间划分为两个不同的工作阶段。关于他的睡眠习惯,Hassabis 表示:“我目标睡六小时,但我的习惯非同寻常。我可以在白天有效运作。”他强调,睡眠少于六小时会对大脑健康产生负面影响。Hassabis 于 2010 年联合创立了 DeepMind(后被谷歌收购),并因其在蛋白质结构预测方面的开创性工作荣获 20
尽管营收未达预期,OpenAI与Anthropic仍在争夺市场份额
尽管近期有报道称OpenAI未达营收目标,给本周二的科技股带来压力,但私营人工智能实验室的投资者仍表现坚韧。经验丰富的投资者已确认,尽管媒体报道负面,他们仍不会减少投资。分析师认为当前的人工智能竞赛仍处于早期阶段,因此不会出现“赢家通吃”的局面。尽管高昂的计算成本给营收带来压力,但实验室可通过提高订阅费来提升盈利能力。行业格局正发生微妙变化与OpenAI不同,其竞争对手Anthropic获得了强有





首页






