La creciente producción de imágenes sintéticas a través de modelos generativos como las redes adversarias generativas (GANs) y los modelos de difusión (DMs) ha suscitado preocupaciones significativas sobre su uso indebido, como la propagación de desinformación y la infracción involuntaria de derechos de autor artísticos. A pesar de los avances en algoritmos forenses para detectar estas imágenes, su capacidad de generalización frente a nuevos modelos sintéticos es insuficiente. En respuesta, un novedoso método de detección de imágenes sintéticas, llamado LanguAge-guided SynThEsis Detection (LASTED), propone un aprendizaje contraste guiado por texto para mejorar la identificabilidad de características forenses en un espacio visual-lingüístico combinado. Tanto las pruebas experimentales como el código abierto del método muestran una superioridad significativa frente a métodos competidores, alcanzando precisiones superiores al 95% en múltiples conjuntos de datos, y demostrando una precisión de generalización mejorada para modelos de generación de imágenes nunca antes vistos.
Este avance no solo refuerza la confianza en los medios digitales, sino que también amplía las aplicaciones de la detección de imágenes sintéticas a áreas como la moderación de contenido en línea, la forense digital y la protección de la propiedad intelectual. Adicionalmente, métodos más innovadores, como LASTED, pueden ayudar a educadores y responsables de políticas a luchar contra la desinformación y mantener la autenticidad digital.
En su implementación, LASTED utiliza etiquetas textuales cuidadosamente diseñadas para ampliar sus capacidades de detección, lo que no solo mejora su desempeño en pruebas de detección fuera de dominio, sino que también facilita una extracción de características más discriminativas y generalizables, mucho más efectivas que las soluciones existentes.
El continuo avance hacia la detección de imágenes generadas sintéticamente es crucial para abordar los peligros potenciales que representan las imágenes alteradas digitalmente. En conclusión, los algoritmos forenses como LASTED no solo mejoran la precisión de detección, sino que también ofrecen nuevas posibilidades para aplicaciones más allá de las previstas originalmente, desde la educación hasta la regulación gubernamental, asegurando que los medios digitales permanezcan auténticos y confiables en un mundo cada vez más virtual.