Pangram uvádí dva modely pro detekci obrázků a videí vytvořených umělou inteligencí

Pangram oznámila 4. listopadu 2026 dva modely počítačového vidění: Pangram Image 1.0 pro detekci obrázků vytvořených umělou inteligencí a menší a rychlejší Pangram Image Flash 1.0 pro analýzu videa snímek po snímku. Novinka přináší také výstup v podobě teplotní mapy, nahrávání videí přímo do systému, integraci s rozšířením pro Chrome a podporu obrázků i videí prostřednictvím API.

Teplotní mapa v Image 1.0 má lokalizovat syntetický obsah v obrázku, například prvek vytvořený umělou inteligencí uvnitř jinak skutečné fotografie. V oficiálním příspěvku k uvedení na X Pangram uvedla, že model rozpozná 99,2 % obrázků vytvořených umělou inteligencí a přitom zachovává míru falešně pozitivních výsledků 0,27 %.

Testování spárovaných obrázků a videí

Pro vyhodnocení obrazového modelu vytvořila Pangram pomocí 12 generátorů obrázků syntetické protějšky 100 skutečných fotografií. Zadání se co nejvíce podobala původním fotografiím a vzniklo tak 1 200 syntetických obrázků; Pangram uvádí, že Image 1.0 dosáhl na této sadě vytvořené společností přesnosti 99,96 %. Tento údaj popisuje výkon při cíleném párování skutečných a syntetických obrázků, nikoli univerzální míru přesnosti u všech obrázků, na které lze na internetu narazit.

Při porovnávání videí se uplatnil podobný princip vytváření syntetických protějšků. Pangram vycházela ze 129 skutečných videí ze sociálních sítí a pomocí 14 generátorů videí vytvořila z výběru této skutečné sady 100 syntetických videí pro každý generátor, celkem tedy 1 529 videí. Každý generátor dostal první snímek skutečného videa a popis děje vytvořený modelem vidění a jazyka. Protože skutečné video i jeho syntetický protějšek zachycují stejnou scénu a objekt, test ověřuje, zda detektor dokáže rozlišit podobné klipy, aniž by mohl využít zkratku založenou na spojování určitého obsahu s umělou inteligencí.

Video benchmark DF26

Pangram vyhodnotila Flash 1.0 pomocí benchmarku DF26, popsaného v preprintu odevzdaném 7. září 2026. Benchmark obsahuje 271 skutečných a 2 420 syntetických videí vytvořených sedmi moderními modely pro generování videa. Zaměřuje se na záznamy jedné osoby, která mluví přímo do kamery, oficiální prohlášení a rozhovory ve studiu. Autoři uvádějí, že lidé i nejmodernější detektory deepfake videí dosahovali výsledků blízkých náhodnému odhadu, a zasazují se o testování, které výslovně ověřuje odolnost vůči posunům v distribuci způsobeným moderními generátory.

Pangram uvádí, že Image Flash 1.0 dosahuje v benchmarku DF26 skóre 98,7 %, tedy o 29 bodů více než další nejlepší detektor. Díky nahrávání videí přímo do systému je tento model dostupný v ovládacím panelu: Flash analyzuje každý snímek a určuje, které části nahraného videa jsou označeny jako vytvořené umělou inteligencí.

Nasazení nad rámec výzkumné verze

Výzkumná verze z 29. července 2026 přijímala pouze obrázky o velikosti alespoň 512 × 512 pixelů a mezi případy, které nedokázala spolehlivě detekovat, uváděla deepfake videa a záměny obličejů. Pangram uvádí, že verze 1.0 zlepšuje výkon při detekci deepfake videí, obrázků v nízkém rozlišení a obsahu vytvořeného nejpokročilejšími generativními modely. Minimální velikost vstupního obrázku je nyní 256 × 256 pixelů, u obrázků menších než 512 pixelů se však zobrazí upozornění na nižší míru jistoty.

Pangram uvádí, že nový model trénuje k detekci úprav, jako jsou komprese, zmenšení rozlišení, rozmazání a šum, ať už je způsobily platformy sociálních sítí, nebo aktéři, kteří se snaží detekci obejít. Od výzkumné verze se rozšířil také přístup k nástroji: tehdy byl přístup k obrazovému API pouze na pozvání a zadávání videí do ovládacího panelu i integrace s Chrome byly označeny za funkce plánované do budoucna. Image 1.0 je integrován do rozšíření pro Chrome, kde označuje obsah vytvořený umělou inteligencí na sociálních sítích, nákupních webech a stránkách s nabídkami pronájmů; aktualizované API nyní podporuje detekci obrázků i videí.

Praktický přínos novinky spočívá v propojení nových modelů s těmito možnostmi přístupu: detekci lze spustit přímo ve výpisu v prohlížeči, u nahraného videa nebo prostřednictvím integrace API. Upozornění na nižší míru jistoty u menších obrázků zůstává důležitou výhradou a ukazuje, že širší podpora vstupů a dostupnost na více místech neznamenají stejně vysokou míru jistoty u každého obrázku.