Японский стартап Sakana AI выпустил Percept-Lens — бенчмарк на 36 млн изображений и метод распознавания синтетики, основанный на связке визуальных энкодеров и линейном классификаторе на основе расстояния Махаланобиса. Проблема, которую лечит метод — потеря от 20 до 36 процентных пунктов точности у существующих детекторов при смене модели или типа сжатия. На 39 датасетах энкодер PE-Core и метод Mah-NCM дали среднюю точность 94,46%, причём хватило 219 размеченных опорных изображений, чтобы выйти на 90,89% и обойти существующие решения. Японский стартап Sakana AI предложил универсальный детектор ИИ-изображений Percept-Lens. Это бенчмарк на 36 млн изображений и метод распознавания синтетики, основанный на связке визуальных энкодеров и линейном классификаторе на основе расстояния Махаланобиса. Проблема, которую лечит метод — потеря от 20 до 36 процентных пунктов точности у существующих детекторов при смене модели или типа сжатия. Эксперименты Sakana показали, что обычные визуальные представления общего назначения уже содержат сигнал, разделяющий настоящие кадры и сгенерированные, — специально его выучивать не нужно. На 39 датасетах энкодер PE-Core и метод Mah-NCM дали среднюю точность 94,46%. Причём хватило 219 размеченных опорных изображений, чтобы выйти на 90,89% и обойти существующие решения. Это значит, что для хорошего детектора не обязательно нужны миллионы размеченных примеров, если правильно использовать предобученные представления. Для платформ, соцсетей и новостных агентств это потенциальный инструмент модерации, который меньше зависит от конкретной модели-генератора. Существующие детекторы часто хорошо работают на одних моделях и плохо на других, что позволяет обходить их, просто сменив генератор или формат сжатия. Percept-Lens предлагает более универсальный подход, который может стать основой для стандартов проверки контента в эпоху, когда синтетические изображения становятся массовыми.