AIテキスト検出で知られる Pangramは、正式にその多モーダル検出機能を発表した。Pangramの画像検出ツールPangram Image 1.0は、以前は研究プレビュー版であったが、現在はウェブ版、企業API、同名のChrome拡張機能で全面的に利用可能となった。
Pangramによると、この画像検出器は評価データセットにおいてAI生成画像の識別精度が99.96%に達したという。さらに、同社は過去数ヶ月間でこのモデルの精度が向上しており、特に編集された画像、低解像度の画像、現在最も強力なAIモデルによって生成された画像の処理において優れた性能を示していると述べている。同類のツールと比較すると、TruthScanの精度は96.33%、AI or Notは91.38%、Sightengineは88.33%であり、差が明らかである。
ただし、これらの数字は各社が独自に構築した評価データセットに基づいており、基準が統一されていないため、横断的な比較は参考程度にとどまる。
Pangram Image 1.0の動画検出における優位性
動画に関しては、別のアプローチが採用されている。Pangramはこれに特化したより軽量なモデルPangram Image 1.0 Flashを用意し、フレームごとの検出を通じて動画を処理する。会社によれば、DF26ベンチマークにおいてAI生成動画の識別精度は98.7%であり、2位との差は29ポイントに達する。同じベンチマークで、TruthScanは84.2%、Sightengineは81.8%に低下している。効果を検証するために、Pangramはソーシャルメディアから129本の実際の動画を選び、14種類の最新のAI動画モデルで対応するバージョンを生成し、テストセットを構築した。
Pangramはまた、同社のモデルが学術研究者が開発した検出器と比較して、ベンチマークテストで常に優位性を保っていると述べている。
技術的な鍵は「耐干渉性」にある。このモデルは特別に訓練されており、圧縮、ぼかし、人工ノイズなどの一般的な干渉性アーチファクトを見抜くことができる。これらは過去に検出器が機能しなくなった原因である。また、AI生成の具体的な領域を示すヒートマップを提供することができ、単に「はい」または「いいえ」の結論を出すだけではない。検出の閾値も引き下げられ、画像の最小サイズはリリース時の512×512ピクセルから256×256ピクセルに減少したが、512ピクセル未満の結果には信頼度が低下する旨の警告が付く。
使用面では、PangramはChrome拡張機能に画像検出機能を追加し、ブラウザはユーザーがソーシャルメディア、ショッピングプラットフォーム、賃貸情報などのページをスクロールする際にAIコンテンツをマークする。また、ウェブサイト上で直接動画をアップロードし、モデルがAI生成であるかどうかを判断することも可能である。注目すべきは、99.96%といった数字はメーカー自身の評価データセットに基づいており、実際のシーンでのパフォーマンスは画像が何度転送、圧縮、トリミングされたかによって異なるということである。検出ツールと生成モデルの間のこの攻防は、現在も終わりが見えない。