当事者が裁く？GPT-Image-2は自分で偽造した書類を認識できない

要旨: OpenAIのGPT-Image-2は、真正の文書画像とAIによって編集された文書画像の視覚的な境界を事実上消し去りました――レシート上の単一の数値を数セントで、1秒未満で置き換えることができます。本研究では、DocTamper互換形式におけるピクセル単位で正確なマスクを伴う、GPT-Image-2による文書偽造3,066件からなる対となるデータセット「AIForge-Doc v2」を公開します。そして、防御の4つの系統をベンチマークします: 人間の検査者（N=120、公開の2AFCサイトCanUSpotAI.com経由でn=365のペア投票）、TruFor（汎用フォレンジック）、DocTamper（qcf-568、文書固有）、およびゼロショットの自己審判として同じGPT-Image-2モデル――つまり、「画像は主に実物である」という些細な読みを避けるために、いかなる領域がAI画像モデルによって生成または編集されたのかを質問します。人間の2AFC精度は0.501で、偶然と区別がつきません: 並べて見ても、検査者はGPT-Image-2によるレシートの偽造を真正の対となるものから判別できません。3つの計算上の判定者はいずれも、わずかに上回る程度です（TruFor 0.599、DocTamper 0.585、自己審判 0.532）。自己審判は、一貫して偶然ではなく失敗します: 曖昧な応答の扱い方に関する5つのプロンプト戦略と4つの方針にわたっても、AUCは0.59を超えません。2つのフォレンジック検出器が、AIによるインペインティングに盲目であるというより、我々のソースドメイン上で壊れている可能性を排除するために、それぞれを訓練時の分布に合わせて作られた同一ドメインの従来型改ざんセットでキャリブレーションします: TruForは、データセットのカメラ間スプライシングでAUC 0.962に到達し、DocTamperは、2回パスのJPEG再エンコードを用いたカメラ間（ではなく文書間）のOCRトークンスプライシングでAUC 0.852に到達します。どちらも、従来型の改ざんに対しては公表時に近い性能を保持しますが、GPT-Image-2のインペインティングに切り替えるとAUCは0.27〜0.36低下します（0.962→0.599 TruFor、0.852→0.585 DocTamper）。これにより、GPT-Image-2のインペインティングに固有の検出ギャップが切り分けられます。データセット、パイプライン、4人の判定者によるプロトコル、キャリブレーション用のセットを公開します。