LTE: Framework VLM a Due Stadi Rileva Immagini Generate dall'IA con Ragionamento a Livello di Regione

Un nuovo framework forense a due stadi chiamato Locate-Then-Examine (LTE) è stato introdotto dai ricercatori per identificare immagini generate dall'IA utilizzando modelli visione-linguaggio. La fase iniziale di LTE si concentra sull'individuazione di aree sospette, seguita da un esame dettagliato di queste regioni in combinazione con l'intera immagine per migliorare la determinazione dell'autenticità. Questo framework collega le sue conclusioni a prove visive specifiche attraverso proposte di regioni e ragionamenti consapevoli delle regioni. Per facilitare la formazione e la valutazione, i ricercatori hanno sviluppato TRACE, un dataset composto da 20.000 immagini autentiche e sintetiche di alta qualità, complete di annotazioni a livello di regione e spiegazioni forensi generate automaticamente da un VLM. Questa ricerca affronta il problema che i classificatori tradizionali a passaggio singolo spesso trascurano artefatti sottili in immagini sintetiche di alta qualità e forniscono una base a livello di pixel insufficiente. L'articolo è disponibile su arXiv con l'identificatore 2510.04225.