Günümüzde yapay zeka destekli görsel manipülasyon araçlarının yaygınlaşması, sahte içeriklerin tespitini kritik bir güvenlik sorunu haline getirdi. Bu alanda çalışan araştırmacılar, karmaşık algoritmalar yerine daha basit ama güçlü bir çözüm geliştirdi.
Yeni yaklaşım, DINOv3 adlı temel modelin üzerine LoRA adaptasyon tekniği ve hafif bir konvolüsyonel dekoder eklenerek oluşturuldu. Sistem, manipüle edilmiş görsellerdeki değişiklikleri piksel düzeyinde tespit edebiliyor ve farklı manipülasyon türleri ile çekim koşullarında genelleme yapabiliyor.
CAT-Net protokolü altında yapılan testlerde, model dört standart benchmark'ta ortalama piksel düzeyinde F1 skorunu 17 puan artırarak önceki en iyi sonucu geçti. Dikkat çekici olan, bu başarının sadece 9.1 milyon eğitilebilir parametre kullanılarak elde edilmesi. En küçük model varyantı bile önceki tüm özelleşmiş yöntemleri geride bıraktı.
Araştırmacılar, LoRA tekniğinin tam fine-tuning yaklaşımından tutarlı şekilde daha iyi performans gösterdiğini ortaya koydu. Özellikle veri kıtlığının yaşandığı MVSS-Net protokolü altında, LoRA 0.774 ortalama F1 skoruna ulaşırken, en güçlü önceki yöntem 0.530'da kaldı. Bu sonuç, önceden eğitilmiş temsillerin sahte görsel tespitindeki potansiyelini açık şekilde gösteriyor.