في عصر تتزايد فيه التحديات المتعلقة بالأمان الرقمي، تقدم الأبحاث الجديدة في مجال الصور متعددة الرؤى (Multi-View) فرصاً واعدة لتحسين طرق الكشف عن التلاعب. تم مؤخراً تقديم دراسة مبتكرة تتناول أساليب الكشف عن التناقضات الهندسية بين الصور متعددة الرؤى، والتي غالباً ما تنتج عن نماذج توليد الصور الجديدة (Novel View Synthesis) التي لا تتوافق دائماً بشكل دقيق.

تقوم الدراسة بإدخال قاعدة بيانات DeformView، وهي مجموعة بيانات جديدة تحتوي على تعليقات توضيحية على مستوى البكسل للتناقضات الهندسية، مما يسهل البحث حول هذا الموضوع. وتبين النتائج الأولية أن الطرق المستخدمة في تقييم نماذج توليد الصور الجديدة لا تعطي نتائج مثالية عند استخدامها في مهام كشف التناقضات الهندسية. ولذلك، تم تقديم نموذج DEFECt3R، وهو مصنف خفيف الوزن يعتمد على التعلم العميق، لتحديد التناقضات بناءً على العلاقات بين الميزات المتقاطعة.

ظهر أن DEFECt3R يحقق أداءً متميزاً في تحديد التناقضات، حيث يقوم بتحسين نتائج الكشف بشكل كبير وتقليل النتائج الإيجابية الكاذبة مقارنةً بالأساليب التقليدية. وقد أجريت تجارب توضح أن جودة الميزات وطبيعة العلاقات تساهم بشكل كبير في أداء النموذج.

تسجل هذه الأبحاث خطوة مهمة نحو تحقيق أمان أفضل في مجالات متعددة، بما في ذلك الأمن الرقمي، مما يتيح لكشف التناقضات التي قد تخفى في الصور الرقمية.