ملخص تقني: PGC - المعايرة الموجهة بالقمم للكشف عن الصور المولدة بالذكاء الاصطناعي القابلة للتعميم

1. بيان المشكلة

أدى التطور السريع للذكاء الاصطناği التوليدي، والانتقال من شبكات الخصومة التوليدية (GANs) إلى نماذج الانتشار الحديثة، إلى إنتاج صور ذات دقة بصرية استثنائية. وبينما تركت النماذج المبكرة آثاراً (artifacts) متسقة عالمياً، تظهر النماذج التجارية المتطورة حالياً ما يسمى بـ "انحياز الانتباه الدلالي" (semantic attention bias). فهي تعطي الأولوية لإعادة البناء عالية الدقة للموضوع الدلالي الرئيسي (المقدمة)، مما يؤدي فعلياً إلى إزاحة الآثار التمييزية إلى مناطق الخلفية الأقل تقييداً.

تعتمد طرق الكشف الحالية بشكل أساسي على التمثيلات العالمية (global representations)، والتي تكون منحازة نحو المناطق الدلالية ذات الطاقة العالية. ونتيجة لذلك، غالباً ما تركز هذه الكواشف على الموضوع الرئيسي، حيث يكون المحتوى المولد أكثر واقعية، مما يتسبب في حجب آثار التزوير المحلية الدقيقة في الخلفية. يؤدي هذا إلى تدهور كبير في الأداء عند مواجهة حالات التزوير التجارية عالية الدقة، لا سيما في سيناريوهات "الاستخدام الواقعي" (In-the-Wild) التي تتضمن خطوط معالجة لاحقة مملوكة لجهات معينة.

2. المنهجية: المعايرة الموجهة بالقمم (PGC)

لمعالجة مشكلة طغيان محتوى المقدمة عالي الدقة على الإشارات الضعيفة، يقترح المؤلفون إطار عمل المعايرة الموجهة بالقمم (Peak-Guided Calibration - PGC). ينقل هذا النهج النموذج من الاعتماد فقط على السياق العالمي إلى تجميع ميزات "القمة" المحلية البارزة لمعايرة القرارات العالمية.

2.1. الترميز المزدوج للتدفقات (Dual-Stream Feature Encoding)

يستخدم إطار العمل بنية ثنائية التدفق لالتقاط كل من عدم الاتساق منخفض المستوى والآثار الدلالية عالية المستوى:

• تدفق المتبقي (Residual Stream): يستخرج ميزات متبقي التكميم في فضاء الألوان RGB ($I_{res} = I - M^{-1} \cdot \text{Round}(M \cdot I)$) لالتقاط انتهاكات فيزياء التصوير منخفضة المستوى. وتتم معالجتها بواسطة شبكة عصبيّة تلافيفية (CNN) خفيفة الوزن.
• تدفق RGB: يستخدم محول رؤية مدرب مسبقاً (Vision Transformer، وتحديداً DINOv2) لاستخراج خرائط الميزات الدلالية عالية المستوى ($F_{rgb}$).

2.2. وحدة المعايرة الموجهة بالقمم (PGCM)

الابتكار الجوهري يكمن في وحدة PGCM، المصممة لمنع غمر الإشارات المحلية بفعل المحتوى عالي الدقة:

1. تقسيم الرقع واستخراج الدرجات: تُعامل خرائط الميزات من كلا التدفقين كشبكات من الرقع المحلية. تقوم رؤوس خاصة بكل تدفق بإسقاط هذه الرقع في خرائط درجات ($S_{res}, S_{rgb}$)، حيث تحدد كل درجة مدى بروز الأهمية الجنائية (forensic salience) لتلك المنطقة.
2. تجميع القمم (Peak Aggregation): بدلاً من المتوسط الحسابي، تستخدم الوحدة آلية تركيز على القمة باستخدام عملية (log-sum-exp) الموزونة بدرجة الحرارة (والتي تقرب من عامل الـ max):
   $$Z = \tau \log \left( \frac{1}{N} \sum_{i=1}^{N} \exp(s_i / \tau) \right)$$
   تعمل درجة الحرارة الصغيرة $\tau$ على زيادة حدة التوزيع، مما يجبر النموذج على التركيز على "رقع القمة" التي تحتوي على أقوى الأدلة الجنائية.
3. المعايرة (Calibration): يتم دمج الدرجات المجمعة ($Z_{local} = Z_{res} + \lambda \cdot Z_{rgb}$) لإنشاء انحياز محلي. يُحقن هذا الانحياز بشكل إضافي في اللوغاريتم العالمي ($Z_{global}$) المستمد من الميزات المدمجة:
   $$y_{pred} = Z_{global} + Z_{local}$$
   تسمح هذه الآلية للإشارة المحلية عالية الثقة (التي تشير إلى التزوير) بتجاوز القرار العالمي الذي قد يُضلل بسبب المقدمة الواقعية.

3. المساهمات الرئيسية

3.1. إطار عمل PGC

يقدم المؤلفون استراتيجية مبتكرة تستفيد من "رقع القمة" المحلية لإعادة معايرة التمثيلات العالمية. ومن خلال تحديد وتضخيم المناطق التي تحتوي على أكثر الأدلة التمييزية حرجاً بشكل صريح، يستعيد PGC الأنماط الدقيقة التي عادة ما تُغمر في السياقات العالمية التي يهيمن عليها موضوعات عالية الدقة.

3.2. معيار CommGen15

إدراكاً منهم بأن مجموعات البيانات الحالية تفشل في استيعاب تعقيد النماذج التجارية المملوكة، قدم المؤلفون CommGen15:

• التكوين: معيار شامل يضم 33,394 عينة مولدة (صور وإطارات فيديو) من 15 نموذجاً تجارياً متنوعاً (مثل Sora، وKling، وGoogle Imagen، وFlux، وMidjourney).
• الواقعية: تم جمع البيانات من المعارض العامة الرسمية ومستودعات المجتمع (مثل PromptHero) بدلاً من الاستدلال المحلي، وذلك للحفاظ على المعالجة اللاحقة الخاصة بالمنصات، والضغط، والعلامات المائية.
• التوازن: يتضمن عدداً مكافئاً من الصور الحقيقية من COCO 2017 لتشكيل مهمة تصنيف ثنائية متوازنة.

3.3. أداء رائد (State-of-the-Art)

تُظهر التجار𝓷ات المكثفة أن PGC يحقق تعميماً فائقاً عبر المولدات غير المرئية وقوة ضد الاضطرابات.

4. النتائج التجريبية

4.1. التعميم على المعايار القياسية

• GenImage: يحقق PGC متوسط دقة قدره 98.3% ومتوسط AP قدره 100.0%، متفوقاً على أفضل النتائج السابقة (CoD) بمقدار +2.1% في متوسط الدقة.
• AIGI: في مجموعة بيانات واسعة النطاق تشمل 25 نموذجاً، يحقق PGC متوسط دقة قدره 86.6%، متفوقاً على أقوى خط أساس (DDA) بمقدار +3.5%.
• UniversalFakeDetect: يضع PGC رقماً قياسياً جديداً بمتوسط AP قدره 98.0%، متجاوزاً أفضل النتائج السابقة (AIDE) بمقدار +2.2%.

4.2. الأداء على CommGen15

تُلاحظ أكبر المكاسب في معيار CommGen15 المقترح، والذي يحاكي التهديدات الواقعية:

• يحقق PGC متوسط دقة قدره 97.9%، متفوقاً على أقرب منافس (DDA) بفارق كبير قدره +12.3%.
• على عكس الطرق الحالية التي تظهر اختلالات حادة في الأداء (مثل دقة عالية جداً في الصور المزيفة مقابل دقة تقترب من الصفر في الصور الحقيقية، أو العكس)، يحافظ PGC على الاستقرار في كلتا الفئتين (الحقيقية والمزيفة).

4.3. المتانة والتحليل

• الاضطرابات (Perturbations): يُظهر PGC استقراراً ملحوظاً تحت تأثير مختلف أنواع التدهور (الضبابية، الضوضاء، تعديلات السطوع/التباين)، حيث يحافظ على دقة تزيد عن 97% حتى تحت ضوضاء التصوير (shot noise) حيث تنخفض دقة الخطوط الأساسية إلى ما دون 75%.
• المتانة ضد الهجمات العدائية (Adversarial Robustness): في ظل هجمات PGD القائمة على النقل (transfer-based black-box)، يحافظ PGC على دقة 98.1% عند $\epsilon=0.3$، مما يظهر صموداً ضد الاضطرابات العدائية القوية.
• تحليل الإسناد (Attribution Analysis): يؤكد تحليل قيم SHAP فرضية الورقة البحثية: الكواشف التي تركز على الصور المولدة بالذكاء الاصطناعي تحول انتباهها إلى مناطق الخلفية، بينما تحفز الصور الحقيقية الانتباه على الموضوع الدلالي في المقدمة. نجح PGC في استغلال آثار "القمة" في الخلفية هذه.

5. الأهمية والادعاءات

تدعي الورقة أن القيد الأساسي في الكشف عن الصور المولدة بالذكاء الاصطناعي حالياً هو الاعتماد على التمثيلات العالمية، والتي تكون منحازة بطبيعتها نحو المواضيع الدلالية عالية الدقة. هذا الانحياز يجعل الكواشف تغفل عن الآثار المحلية الدقيقة التي تظل موجودة في الخلفية.

تكمن أهمية PGC في آلية المعايرة الموجهة بالقمم، التي تفصل بفعالية عملية اتخاذ القرار عن محتوى المقدمة المهيمن. ومن خلال تحديد وتضخيم "رقع القمة" المحلية بشكل صريح، يسد إطار العمل فجوة التعميم بين بيانات التدريب مفتوحة المصدر والمولدات التجارية عالية الدقة غير المرئية. ويُقدم تقديم CommGen15 كخطوة ضرورية لمحاكاة تهديدات "الاستخدام الواقعي" بشكل أفضل، متجاوزاً حدود مجموعات البيانات القائمة حصراً على النماذج مفتوحة المصدر.

ويخلص المؤلفون إلى أن الانتقال من تعلم التمثيل العالمي إلى تعدين الآثار الحساسة للقمم أمر حتمي للكشف القوي والقابل للتعميم في عصر الذكاء الاصطناعي التوليدي عالي الدقة.