随着AIGC技术的快速发展，图像编辑工具日益强大，图像篡改变得更加容易，也更难被察觉。 虽然现有的图像篡改检测和定位方法（IFDL）通常很有效，但它们往往面临两大挑战:一是“黑匣子”性质，检测原理不明;二是泛化能力有限，难以应对多种篡改方法(如Photoshop、DeepFake、AIGC编辑)。 为解决这些问题，北京大学的研究团队提出了可解释的IFDL任务，并设计了FakeShield，这是一个多模态框架，能够评估图像的真实性，生成篡改区域掩码，并基于像素级和图像级的篡改线索提供判断依据。传统

北京大学袁粒课题组与南洋理工大学、清华自动化所研究人员合作开发了一种创新的图像检索技术，旨在通过草图、艺术画甚至低分辨率图像精准匹配用户需求。这项技术的核心是“通用风格检索”方法，它能够处理多种查询风格，包括文本、草图、艺术画等组合，显著提升检索灵活性和准确性。研究团队构建了DSR和ImageNet-X数据集，为新方法提供训练和测试资源。FreestyleRet框架通过风格提取、空间构建和提示微调模块，实现了对不同风格查询向量的有效处理，实验结果显示其在DSR和ImageNet-X数据集上取得了优异性能。研究成果已公开发布，并提供开源代码和数据集，为图像检索领域的技术进步和应用开辟了新途径。

["MegaScale搭建了超过10000块GPU的单一集群","MegaScale实现了55.2%的模型FLOP利用率","MegaScale包含诊断工具用于监控系统组件和事件"]