【科技自立自强】西安交大孙鹤立教授团队在AI生成式信息查验测验范畴获得展开

  跟着Deepseek-R1、GPT-5以及通义万持平大模型的连续出圈，人工智能生成内容（AIGC）技能遭到渐渐的变多的重视。AIGC在为内容创造、文明传达带来新展开关键的一起，也为虚伪信息、组成媒体乱用以及深度假造等新式社会安全要挟的繁殖与分散供给了技能根底和展开温床。为此，针对AI生成式信息的检测，亟需展开具有跨模态感知与细粒度辨伪才能的技能办法，以应对日益杂乱的多重假造应战。

  在国家自然科学基金等项目赞助下，西安交通大学电信学部计算机学院孙鹤立教授团队针对视听跨模态场景下的假造人脸检测展开研讨，提出通用面部表征建模与强判别性假造特征捕捉的二阶段学习范式（如图1）。详细而言，首要构建出当时业界最大的多源混合式自监督视听人脸表征学习数据集以支撑大规模编码器预练习，其次规划提出迭代感知的渐进式分级上下文聚合组件以促进高效跨模态交融与假造头绪捕获，最终引进伪监督信号语义注入战略以从大局层面进一步拓展深度模型的判别鸿沟，并提高关于纤细人脸假造痕迹的鲁棒查验测验才能。在多媒体范畴世界尖端会议ACM Multimedia 2025（计算机学会引荐的A类会议）上，所提出的办法逾越了来自美国普渡大学、韩国成均馆大学、中国科学技能大学以及Pindrop（美国语音安全范畴头部公司）等多个国内外研讨团队，获得2025年1M-Deepfake检测全球应战赛总冠军。在共包括80万条样本的测验集上，获得超出第二名4.76个百分点的优异成绩。

  该研讨工作为AI生成式信息检测技能的展开供给了一种新方案，并能够为通用视听场景了解以及数字内容安全管理系统的构建带来可行的实践参阅。