في عصر تكنولوجيا الذكاء الاصطناعي، أصبحت الصور المُولدة بالذكاء الاصطناعي (AI-Generated Images) أكثر واقعية من أي وقت مضى، مما أثار تساؤلات حادة حول مصداقيتها. ظاهرة الاستخدام المتزايد للصور الاصطناعية تطرح تحديات جدية في مجالات مثل كشف المعلومات المضللة، والتحقيقات الرقمية، وإدارة المحتوى. على الرغم من التقدم الكبير في كشف هذه الصور، إلا أن العملية الخاصة بتصحيح العيوب المرئية التي قد تُظهرها لا تزال قيد التنقيب.

ولمعالجة هذا التحدي، تم تقديم GenShield، وهو إطار عمل موحد (Unified Framework) يقوم بتوفير حلول متكاملة لاكتشاف الصور المُولدة بالذكاء الاصطناعي وتصحيح العيوب بطريقة سلسة. يتميز GenShield بنموذج اتكالي مُعزز يستطيع تفسير نتائج الكشف وإجراء تصحيحات قابلة للتحكم ضمن حلقة مغلقة، مما يكشف النقاب عن العلاقة التفاعلية بين هاتين المهمتين.

كما أن الفريق المطور اعتمد استراتيجية تعليم قائمة على "سلسلة مرئية من الأفكار (Visual Chain-of-Thought)"، مما يُمكن النموذج من إجراء عمليات تصحيح متعددة المراحل مع معايير توقف واضحة. وقد تم إنشاء مجموعة بيانات عالية الجودة تحتوي على أزواج واسعة من الصور بعد التصحيح، بالإضافة إلى إنشاء خط تقييم موحد.

تظهر التجارب المكثفة على مجموعة معايير التصحيح الرئيسية ووحدات كشف الصور المُولدّة بالذكاء الاصطناعي نتائج أداء تتسم بالتفوّق والقدرة على التعميم القوي. لبدء فصل جديد في مجال معالجة الصور، يمكن للمهتمين الاطلاع على الرمز البرمجي الخاص بGenShield عبر هذا الرابط: https://github.com/zhipeixu/GenShield.