蚂蚁集团双赛道夺冠于计算机视觉顶会，AIGC检测迈入“实战级”新阶段

近日，在计算机视觉顶会 CVPR 2026 的 NTIRE 图像检测挑战赛上，蚂蚁集团同时拿下“复杂真实场景鲁棒性样本测试”和“人脸增强异常检测”两大赛道的冠军，为支付、内容安全审核、金融身份核验等 AI 时代场景的风险识别能力提供了有力支撑。

当下，深度伪造（Deepfake）与 AIGC 被滥用的风险日益加剧，不仅肉眼难分真伪，现有检测模型在真实应用与多模态大模型的快速演进面前也容易出现准确率大幅下滑。本次 CVPR 挑战赛直面这一痛点，要求模型在“未知生成架构”和“复杂退化干扰”的双重极限压力下，依旧保持高准确率与强鲁棒性。

蚂蚁集团起步于支付业务，过去 20 年沉淀的安全技术处于国际领先，并将这一优势延伸到 AI 安全领域。团队提出了一个基于 DINOv3 视觉基础模型的检测框架，让 AIGC 检测从“实验室验证”走向“真实场景实战”。

在“复杂真实场景鲁棒性样本测试”赛道中，蚂蚁 AI 安全实验室搭建了包含数百万高质量样本的训练语料库，覆盖 WildFake、Z-Image、Seedream、Nano-banana-pro 等开源数据集与前沿模型；底层采用双流并行的集成架构，等于为检测模型配上两双互补的“眼睛”，一路捕捉局部纹理细节，另一路把握整体语义特征。团队还从单一噪声到多重失真，完整模拟图像全链路退化，逼真还原社交平台传播、二次翻拍等真实场景的失真特性，显著提升模型在真实环境中的检测能力。

同时，团队提出“先定位可疑区域，再进行细节审查”（Locate-Then-Examine）的两阶段检测范式，并构建了可提供局部区域文本解释的数据集 FakeXplained。面对可疑图像，该方法不仅能判断其是否为 AI 生成，还能在图上精准标出疑似伪造或违背物理常识的区域，并同步给出详尽解释。该方案突破了传统“黑盒”检测的局限，让模型结论更可追溯。为便于技术从业者共同应对 Deepfake 挑战，团队还通过 GitHub 开源了业内覆盖面最全的 AIGC 图像与视频检测资源库。

在“人脸增强异常检测”赛道中，蚂蚁国际参赛团队凭借精准定位人脸图像异常区域的技术实力夺冠。该技术可精确识别并标定人脸图像中的异常位置，主要用于金融交易身份核验、开户材料审核等场景，为防范 Deepfake 深度伪造与 AIGC 攻击提供重要保障。在跨境支付与金融服务领域，蚂蚁国际已将 AIGC 识别技术深入应用于 EKYC、凭证及材料防伪，确保对各类生成内容的有效检测。

CVPR 由 IEEE 主办，是国际计算机视觉与模式识别的重要会议，与 ICCV、ECCV 并称为计算机视觉领域三大顶级会议。本次挑战赛共吸引 500 余支国内外队伍参赛。