腾讯优图研究发现，AI生成图像检测器在真实场景中的表现不佳，主要由于训练数据的偏差。为此，提出了“双重数据对齐”方法，通过重构和对齐数据，显著提升了检测器的泛化能力。实验结果显示，该方法在多个基准测试中表现优异，真实场景中的准确率达到82.4%。

本研究提出了一种新的对比性改写攻击方法（CoPA），旨在绕过大型语言模型（LLMs）的文本检测。CoPA通过设计指令，利用现有LLMs生成更人性化的文本，并构建辅助特征词分布，从而降低检测率。实验结果表明，CoPA在多种场景下有效。

谷歌推出SynthID Detector，能够快速识别AI生成的内容。该平台检测图像、音频、视频和文本中的SynthID水印，旨在提高内容透明度，减少错误信息和误归属。

谷歌推出了SynthID Detector，这是一个用于识别AI生成内容的验证工具。该工具能够检测图像、音频和视频中的SynthID水印，以确保内容的真实性。用户上传内容后，门户会扫描并高亮显示可能带有水印的部分。此外，谷歌还与NVIDIA和GetReal Security合作，推动SynthID技术的应用和内容透明度。

谷歌推出了SynthID Detector，这是一个用于识别AI生成内容的验证工具。该工具能够检测图像、音频和视频中的SynthID水印，确保内容的真实性。用户上传内容后，系统会扫描并高亮显示可能带有水印的部分。SynthID技术已扩展至多种媒体类型，并与NVIDIA等合作伙伴共同推动内容透明度。

本研究探讨了大型语言模型在不同对话格式中识别谎言的普遍性问题。通过在长对话结尾添加固定短语，提升了谎言识别能力，强调了在新环境中实现可靠谎言检测器的挑战。

VideoAdGuard 利用 AI 技术分析 Bilibili 视频字幕，识别 UP 主插入的广告内容，将广告视为视频的一部分，而非单独的广告文件。

本研究解决了人工智能在公平性和透明性方面的担忧，特别是对保护群体的影响。通过提出一个集成局部后验解释方法的管道，研究探讨了如何利用解释性方法来检测和解析不公平问题。研究结果显示，这些解释方法在实现公平性方面具有潜力，同时强调需要谨慎考虑关键的公平性评估方面。

本研究针对现有文本检测模型在不规则形状表示中存在的问题，提出了一种新的方法EdgeText，通过光滑曲线紧凑地拟合文本轮廓，简化了检测流程。在推理阶段，该模型通过定位文本中心并基于特征点创建曲线函数来逼近文本边缘，研究结果表明，该方法显著提高了文本识别的准确性和效率。

本研究分析了人类反馈强化学习（RLHF）对大语言模型生成文本的影响，结果表明RLHF提升了文本质量，但增加了被检测的可能性。基础检测器对短文本和代码文本的检测能力较弱，而零-shot检测器则更为稳健。

本研究解决了音频深度伪造检测模型在真实场景中受到噪声、修改和压缩等音频干扰影响的问题。通过系统评估10种音频深度伪造检测模型在16种常见音频干扰下的表现，发现基础模型在多个场景中优于传统模型，同时通过目标数据增强可提升模型的鲁棒性，为音频深度伪造检测提供了重要的改进建议。

Canny边缘检测算法由John Canny于1986年提出，具有高准确性和鲁棒性。其主要步骤包括高斯模糊、梯度提取、非极大值抑制和双阈值检测，广泛应用于图像处理和计算机视觉。可通过OpenCV轻松实现该算法。