في ظل التطور السريع لنماذج النص إلى صورة (T2I)، أصبحت الحاجة ماسة إلى أساليب قوية لتحديد مصدر الصور الاصطناعية (SIA). يمثل التحول في التوزيع بين الصور التدريبية الخالصة والصور الفعلية المنتشرة تحديًا كبيرًا، حيث تتعرض هذه الصور لعمليات معالجة غير معروفة مثل ضغط JPEG والتمويه.

في إطار مسابقة DLMMDD المرتقبة في عام 2026، تم تقديم إطار عمل هجين مبتكر يتكون من فرعين يجمعان بين التعلم العميق والتقنيات الرياضية الجنائية. يعتمد الفرع الدلالي على نموذج EfficientNet-B0 الذي تم ضبطه باستخدام تقنية المتوسط المتحرك الأسي (EMA) والتخفيف من التصنيف. بينما يقوم الفرع الجنائي باستخراج 126 ميزة رياضية، تشمل ملفات الطيف SVD وأنماط ثنائية محلية، من بقايا الضوضاء عالية المرور، والتي تتم ضغطها عبر SVD المقطوع ويتم تصنيفها باستخدام خوارزمية XGBoost.

تم تقييم هذا النموذج على مجموعة بيانات تحتوي على 10 مولدات، حيث كانت 55% من مجموعة الاختبار م degraded، وحقق الإطار الجديد دقة مذهلة بلغت 95.60% في قائمة الأداء الخاصة. إن هذه العملية الكاملة فعالة للغاية من حيث الحوسبة، حيث لا تتطلب تسريعًا عبر GPU، ويمكن تنفيذها على وحدة معالجة مركزية عادية في أقل من 6.5 ساعات، مما يبرز عمليتها وقابليتها للتوسع في النشر في العالم الحقيقي. هل أنتم مستعدون للانغماس في عالم جديد من الذكاء الاصطناعي والتحليلات الرياضية؟