L'université de Columbia développe DIVID, un nouvel outil de détection de contenu généré par l'IA, avec une précision de 93,7 %

AIbase

Publié leActualités IA · 3 minutes de lecture · Jun 27, 2024

240

Avec le développement rapide de l'intelligence artificielle, les vidéos générées par l'IA deviennent de plus en plus réalistes, posant de graves problèmes de sécurité pour la société. Récemment, une escroquerie de 25 millions de dollars a utilisé des vidéos réalistes créées par l'IA. Pour relever ce défi, une équipe de recherche de l'Université Columbia a développé un outil innovant appelé DIVID (DIffusion-generated VIdeo Detector), conçu pour détecter les vidéos générées par l'IA.

QQ截图20240627093902.png

Les principaux avantages de DIVID sont :

1. Ciblage des IA de nouvelle génération : Spécialement conçu pour détecter les vidéos générées par des modèles de diffusion, telles que celles produites par les outils Sora d'OpenAI, Runway Gen-2 et Pika.

2. Innovation technologique : Utilise la technologie DIRE (Diffusion Reconstruction Error) pour identifier le contenu généré par l'IA en comparant les différences entre une vidéo d'entrée et la sortie reconstruite par un modèle de diffusion pré-entraîné.

3. Basé sur une réussite antérieure : DIVID est une extension de Raidar, l'outil de détection de texte développé précédemment par l'équipe, étendant ainsi la détection de l'IA du domaine textuel au domaine vidéo.

4. Accessibilité : L'équipe de recherche a publié en open source le code et les jeux de données, favorisant ainsi le développement et l'application de cette technologie.

L'apparition de DIVID marque une avancée importante dans la technologie de détection de contenu IA. Avec l'utilisation croissante des vidéos générées par l'IA sur les médias sociaux, dans les actualités et le commerce, l'importance de tels outils devient de plus en plus évidente. Il contribue non seulement à lutter contre la fraude et la propagation de fausses informations, mais offre également de nouvelles possibilités pour préserver l'authenticité et la crédibilité du monde numérique.

MangaNinja : Une nouvelle technique d'ombrage de dessins au trait ; Entrez un dessin au trait et une image de référence pour un ombrage précis

Récemment, une méthode d'ombrage de dessins au trait appelée MangaNinja a suscité un vif intérêt. Il suffit d'entrer un dessin au trait et une image de référence pour colorier le dessin au trait en fonction de l'image de référence. Cette technique, basée sur un modèle de diffusion, se concentre sur l'ombrage de dessins au trait guidé par une image de référence, améliorant considérablement la précision et le contrôle interactif de l'ombrage. L'équipe de recherche a mis en œuvre deux conceptions innovantes pour garantir une transmission précise des détails des personnages. Premièrement, ils ont introduit un module de réarrangement de patchs pour favoriser l'apprentissage de la correspondance entre l'image couleur de référence et le dessin au trait cible. Deuxièmement, ils ont adopté une approche pilotée par points

Musk prédit que l'IA surpassera l'intelligence humaine individuelle d'ici 2025 et l'intelligence humaine collective d'ici 2030

Le milliardaire Elon Musk a publié sur sa plateforme X de nouvelles prédictions concernant l'intelligence artificielle (IA), affirmant que les progrès technologiques dans ce domaine seront étonnants dans les années à venir. Il prévoit que d'ici fin 2025, l'IA surpassera l'intelligence de n'importe quel individu, et qu'entre 2027 et 2028, elle pourrait même surpasser l'intelligence collective de l'humanité. Cette prédiction de Musk a suscité un vif intérêt, de nombreuses personnes étant choquées par la vitesse de développement de l'IA et son impact potentiel. Dans son message, Musk souligne que l'humanité actuelle ne comprend pas complètement l'IA.

ByteDance lance le modèle de génération vidéo Doubao : génération de vidéos de 10 secondes et cohérence multi-caméras

Lors de la tournée d'innovation IA 2024 de Volcano Engine, le président de Volcano Engine, Tan Dai, a dévoilé le nouveau modèle de génération vidéo Doubao. Ce modèle intègre plusieurs technologies de pointe, notamment une unité de calcul DIT fusionnée hautement efficace permettant un codage de compression profond de la vidéo et du texte. Il utilise également une nouvelle méthode d'entraînement de modèle de diffusion assurant la cohérence lors de la génération de vidéos multi-caméras. De plus, le modèle intègre une architecture Transformer profondément optimisée, améliorant considérablement les capacités de généralisation de la génération vidéo.

Défiez la loupe ! DiPIR insère des objets virtuels de manière transparente dans des environnements réels

DiPIR est une technologie innovante visant à résoudre le problème de l'insertion transparente d'objets virtuels dans des scènes réelles. En combinant des modèles de diffusion à grande échelle et un processus de rendu inverse basé sur la physique, elle récupère avec précision les informations d'éclairage de la scène à partir d'une seule image, permettant une fusion naturelle entre l'objet virtuel et l'environnement. Le processus de DiPIR comprend la construction d'une scène 3D virtuelle, la simulation de l'interaction entre l'objet et l'environnement, et l'optimisation des conditions d'éclairage via un modèle de diffusion pour garantir que l'image générée correspond à la scène réelle. Son avantage réside dans sa grande adaptabilité, car elle convient à des scènes aux conditions d'éclairage variées et produit des images réalistes.