深度分析
生成式AI去罩影像不可作為生物辨識依據：實驗與風險評估
近期群眾運用生成式 AI 對低畫質監視影像進行「去罩」或補全，引發誤認風波。研究以四組真實臉部資料（包含400 個不同身分、100 組同一身分配對、91 位戴口罩的美國參議員影像，以及63 組名人相似對）評估商業化生成模型（包括 ChatGPT、Gemini、GrokAI）在去罩後影像的生物辨識相似度。
深度分析
近期群眾運用生成式 AI 對低畫質監視影像進行「去罩」或補全，引發誤認風波。研究以四組真實臉部資料（包含400 個不同身分、100 組同一身分配對、91 位戴口罩的美國參議員影像，以及63 組名人相似對）評估商業化生成模型（包括 ChatGPT、Gemini、GrokAI）在去罩後影像的生物辨識相似度。
ZoomIn
生成影像日益逼真，本研究提出ZoomIn雙階段鑑識法：先用VLM全域掃描定位可疑區域，再放大局部進行細節檢驗並輸出視覺證據的解釋。以MagniFake訓練後，在多項測試上達到高準確度並對外部資料集展現穩健泛化能力，與人類可理解的視覺證據相結合。