Η Pangram λανσάρει δύο μοντέλα για τον εντοπισμό εικόνων και βίντεο που έχουν δημιουργηθεί με τεχνητή νοημοσύνη

Η Pangram ανακοίνωσε δύο μοντέλα υπολογιστικής όρασης στις 4 Νοεμβρίου 2026: το Pangram Image 1.0, για τον εντοπισμό εικόνων που έχουν δημιουργηθεί με τεχνητή νοημοσύνη, και το μικρότερο και ταχύτερο Pangram Image Flash 1.0, για την ανάλυση βίντεο με τεχνητή νοημοσύνη καρέ καρέ. Η κυκλοφορία εισάγει επίσης έξοδο σε μορφή θερμικού χάρτη, εγγενή μεταφόρτωση βίντεο, ενσωμάτωση με την επέκταση του Chrome και υποστήριξη μέσω API για εικόνες και βίντεο.

Ο θερμικός χάρτης του Image 1.0 έχει σχεδιαστεί για να εντοπίζει το συνθετικό περιεχόμενο μέσα σε μια εικόνα, όπως ένα στοιχείο που έχει δημιουργηθεί με τεχνητή νοημοσύνη μέσα σε μια κατά τα άλλα πραγματική φωτογραφία. Σε επίσημη ανάρτηση για την κυκλοφορία στο X, η Pangram δήλωσε ότι το μοντέλο εντοπίζει το 99,2% των εικόνων που έχουν δημιουργηθεί με τεχνητή νοημοσύνη, διατηρώντας παράλληλα το ποσοστό ψευδώς θετικών αποτελεσμάτων στο 0,27%.

Δοκιμές με ζεύγη εικόνων και βίντεο

Για την αξιολόγηση εικόνων, η Pangram δημιούργησε συνθετικά αντίστοιχα 100 πραγματικών φωτογραφιών χρησιμοποιώντας 12 μοντέλα δημιουργίας εικόνων. Οι προτροπές προσομοίαζαν πιστά κάθε αρχική φωτογραφία, παράγοντας 1.200 συνθετικές εικόνες. Η Pangram αναφέρει ακρίβεια 99,96% για το Image 1.0 σε αυτό το σύνολο δεδομένων που δημιούργησε η ίδια η εταιρεία. Το ποσοστό αυτό αποτυπώνει την επίδοση σε αυτήν τη στοχευμένη αντιπαραβολή πραγματικών και συνθετικών εικόνων και όχι έναν καθολικό δείκτη ακρίβειας για κάθε εικόνα που συναντάται στο διαδίκτυο.

Η σύγκριση βίντεο ακολούθησε παρόμοια αρχή, δημιουργώντας συνθετικά αντίστοιχα. Η Pangram ξεκίνησε με 129 πραγματικά βίντεο από μέσα κοινωνικής δικτύωσης και χρησιμοποίησε 14 μοντέλα δημιουργίας βίντεο για να δημιουργήσει 100 συνθετικά βίντεο ανά μοντέλο, με δείγματα από το πραγματικό σύνολο, φτάνοντας συνολικά τα 1.529 βίντεο. Σε κάθε μοντέλο δόθηκε το πρώτο καρέ του πραγματικού βίντεο και μια περιγραφή της δράσης από ένα μοντέλο όρασης και γλώσσας. Επειδή κάθε πραγματικό βίντεο και το συνθετικό αντίστοιχό του έχουν κοινό σκηνικό και θέμα, ο σχεδιασμός της δοκιμής αξιολογεί αν ένας ανιχνευτής μπορεί να διακρίνει παρόμοια αποσπάσματα χωρίς να ευνοείται από μια συντόμευση που συσχετίζει συγκεκριμένο περιεχόμενο με την τεχνητή νοημοσύνη.

Το σημείο αναφοράς βίντεο DF26

Η Pangram αξιολόγησε το Flash 1.0 με το DF26, ένα σημείο αναφοράς που περιγράφεται σε προδημοσίευση η οποία υποβλήθηκε στις 7 Σεπτεμβρίου 2026. Το σύνολο περιλαμβάνει 271 πραγματικά και 2.420 συνθετικά βίντεο, παραγόμενα από επτά σύγχρονα μοντέλα δημιουργίας βίντεο, και εστιάζει σε ένα άτομο που μιλά κοιτάζοντας απευθείας την κάμερα, σε βιντεοσκοπημένες επίσημες δηλώσεις και σε συνεντεύξεις στούντιο. Οι συγγραφείς αναφέρουν ότι τόσο οι άνθρωποι όσο και οι ανιχνευτές deepfake τελευταίας τεχνολογίας είχαν επιδόσεις σχεδόν αντίστοιχες με την τυχαία επιλογή, και υποστηρίζουν ότι οι αξιολογήσεις πρέπει να ελέγχουν ρητά την ανθεκτικότητα στις μετατοπίσεις της κατανομής δεδομένων που προκαλούνται από σύγχρονα μοντέλα δημιουργίας.

Η Pangram αναφέρει ότι το Image Flash 1.0 σημειώνει 98,7% στο DF26, δηλαδή 29 ποσοστιαίες μονάδες υψηλότερα από τον αμέσως επόμενο ανιχνευτή. Η εγγενής δυνατότητα μεταφόρτωσης βίντεο φέρνει το μοντέλο στον πίνακα ελέγχου: το Flash αναλύει κάθε καρέ και εντοπίζει ποια τμήματα ενός μεταφορτωμένου βίντεο επισημαίνονται ως περιεχόμενο που έχει δημιουργηθεί με τεχνητή νοημοσύνη.

Διάθεση πέρα από την ερευνητική προεπισκόπηση

Η ερευνητική προεπισκόπηση της 29ης Ιουλίου 2026 δεχόταν μόνο εικόνες διαστάσεων τουλάχιστον 512 επί 512 εικονοστοιχείων και ανέφερε ότι δεν μπορούσε να εντοπίσει με βεβαιότητα περιπτώσεις deepfake και αντικατάστασης προσώπου. Η Pangram αναφέρει ότι η έκδοση 1.0 βελτιώνει την απόδοση σε deepfake, εικόνες χαμηλής ανάλυσης και μοντέλα δημιουργίας τελευταίας τεχνολογίας. Η ελάχιστη ανάλυση εισόδου είναι πλέον 256 επί 256 εικονοστοιχεία, αλλά για εικόνες μικρότερες από 512 εικονοστοιχεία εμφανίζεται δήλωση μειωμένου βαθμού βεβαιότητας.

Η Pangram αναφέρει ότι εκπαιδεύει το νέο μοντέλο να εντοπίζει μετασχηματισμούς όπως συμπίεση, μείωση διαστάσεων, θόλωση και θόρυβο, είτε αυτοί προέρχονται από πλατφόρμες κοινωνικής δικτύωσης είτε προκαλούνται από άτομα που προσπαθούν να αποφύγουν τον εντοπισμό. Η πρόσβαση έχει επίσης διευρυνθεί από την προεπισκόπηση, όταν η πρόσβαση στο API εικόνων ήταν διαθέσιμη μόνο κατόπιν πρόσκλησης και η εισαγωγή βίντεο στον πίνακα ελέγχου και η ενσωμάτωση με το Chrome αναφέρονταν ως μελλοντικές λειτουργίες. Το Image 1.0 έχει ενσωματωθεί στην επέκταση του Chrome, ώστε να επισημαίνει υλικό που έχει δημιουργηθεί με τεχνητή νοημοσύνη σε μέσα κοινωνικής δικτύωσης, ιστοτόπους αγορών και ιστοτόπους ενοικίασης, ενώ το ενημερωμένο API υποστηρίζει τον εντοπισμό τόσο εικόνων όσο και βίντεο.

Η πρακτική σημασία της κυκλοφορίας έγκειται στον συνδυασμό των νέων μοντέλων με αυτούς τους τρόπους πρόσβασης: ο εντοπισμός μπορεί να πραγματοποιείται σε μια ροή περιεχομένου του προγράμματος περιήγησης, σε ένα μεταφορτωμένο βίντεο ή μέσω ενσωμάτωσης API. Η δήλωση μειωμένου βαθμού βεβαιότητας για τις μικρότερες εικόνες παραμένει ο βασικός περιορισμός και δείχνει ότι η υποστήριξη ευρύτερου φάσματος εισόδων και η μεγαλύτερη διαθεσιμότητα δεν συνεπάγονται ομοιόμορφο βαθμό βεβαιότητας για κάθε εικόνα.