Para avaliar a integridade de imagens em artigos científicos, revisores e editores de periódicos contam com o auxílio de ferramentas automáticas e semi-automáticas de identificação de possíveis adulterações.
Com o avanço de tecnologias baseadas em IA, pesquisadores e editores têm observado a complexificação da checagem dos conteúdos. Identificou-se que os softwares mais utilizados para essa função são ineficientes, trazendo à tona a necessidade de elaborar referências para regular a performance dessas ferramentas.
Diante da escassez de bases de dados disponíveis à elaboração e avaliação de técnicas forenses de checagem de imagens científicas, pesquisadores do Recod.ai construíram uma extensa biblioteca de algoritmos de código aberto que reproduz as falsificações de imagens mais comuns reportadas pela comunidade científica.
O banco de referências possui 39.423 imagens sinteticamente manipuladas, criadas a partir de coleta em fontes de acesso público. Atualmente, restrições legais impedem que imagens de casos reais de manipulação em artigos científicos sejam utilizadas para a criação de bancos de dados.
O trabalho aborda o método de “copy-move” (copiar e colar um elemento dentro de uma mesma imagem) e apresenta uma nova métrica que garante a identificação de correspondência entre a origem do elemento manipulado e a região para a qual ele foi movido na imagem.
Acesse a publicação aqui.