FVIMG V2 detecta el 97,54 % de las imágenes IA en Synthbuster

Fileverity detectó el 97,54 % de las imágenes generadas con IA en nuestra evaluación Synthbuster. La prueba, que incluyó fotografías reales como referencia, alcanzó una exactitud equilibrada del 96,92 %, una tasa de falsos positivos del 3,70 % y una AUROC de 0,99625.

Para una empresa que busca un detector de imágenes IA, el valor está en la amplitud de la prueba: nueve categorías de generadores, un umbral fijo y resultados completos. Destacan el 100 % en DALL·E 3, el 99 % en Midjourney v5 y el 99,80 % conjunto en los cuatro grupos Stable Diffusion del conjunto de datos.

Versión del modelo: FVIMG V2. FVIMG V2 es el modelo de detección de imágenes desarrollado por Fileverity. Este informe documenta su motor de detección por píxeles con la configuración fijada el 1 de noviembre de 2026. Los resultados seguirán asociados a esta versión cuando se publiquen otras posteriores.

Fiabilidad del detector de imágenes IA: resultados completos

La exactitud equilibrada resulta útil porque las dos clases de la evaluación no tienen el mismo tamaño. Da la misma importancia a ambas: (97,54 % + 96,30 %) / 2 = 96,92 %. La AUROC describe la separación de las puntuaciones; no es el porcentaje de decisiones correctas en un umbral fijo.

Detección de DALL·E, Midjourney y Stable Diffusion

Todas las filas se midieron con el mismo umbral de detección fijo. Fileverity detectó el 100 % de las imágenes DALL·E 3 y de Stable Diffusion 1.3, y el 99 % de las de Midjourney v5. En el conjunto de los cuatro grupos Stable Diffusion (1.3, 1.4, 2 y XL), la tasa de detección fue del 99,80 %.

El desglose demuestra una cobertura sólida de las versiones incluidas en Synthbuster. Además, permite examinar la familia de imágenes que interesa a cada equipo, más allá de una cifra global.

Por qué Synthbuster es una referencia útil

Synthbuster, presentado por Quentin Bammey, reúne imágenes de nueve categorías de generadores. Su documentación recomienda las fotografías RAISE-1k como referencia de imágenes reales. Trabajos publicados como B-Free utilizan Synthbuster para evaluar detectores.

Esto ofrece a los compradores una referencia reconocible y un conjunto descrito públicamente. Synthbuster y RAISE-1k son conjuntos de datos públicos: cualquiera puede comprobar de forma independiente qué contiene la prueba. Los modelos de Fileverity, en cambio, se desarrollan y validan con enormes conjuntos de datos propios y exclusivos, seleccionados por especialistas. Los resultados de esta página proceden de la evaluación realizada por Fileverity sobre ese benchmark.

Comparación con modelos de investigación publicados

La exactitud equilibrada del 96,92 % de Fileverity es numéricamente superior a los seis valores publicados que se muestran a continuación. Las referencias proceden de la tabla 5 del material suplementario de GAPL, CVPR 2026.

La tabla 5 empareja cada generador con las mismas imágenes reales y calcula la media de las exactitudes resultantes. Con grupos de igual tamaño, esto equivale a equilibrar detección de IA y especificidad. Los valores ± se reproducen tal como aparecen en la publicación.

Base de comparación: la fila de Fileverity corresponde a nuestra propia ejecución; las demás filas son resultados publicados, no modelos que hayamos vuelto a ejecutar en nuestro entorno. El preprocesamiento, las versiones y los umbrales pueden variar. La tabla aporta contexto de investigación; no representa una clasificación oficial ni una comparación directa controlada.

Cómo realizamos la evaluación

La configuración quedó fijada el 1 de noviembre de 2026. Evaluamos el motor existente de detección por píxeles con su umbral IA de 0,581716, sin seleccionar otro umbral a partir de Synthbuster. Los resultados por debajo del umbral, incluidos los inciertos, no se contabilizaron como detecciones IA. Los metadatos, nombres de archivo y señales de procedencia no contribuyeron a las puntuaciones.

La prueba combinó las imágenes generadas de Synthbuster con fotografías reales de RAISE-1k. Las fotografías proceden de los TIFF distribuidos; cuando un TIFF de origen no era utilizable, se decodificó a TIFF sRGB el archivo RAW oficial de Nikon de la misma fotografía, de modo que se conservó la identidad de la muestra. Se evaluaron todas las imágenes, sin exclusiones, y se registraron las huellas de los archivos, la configuración y los resultados individuales.

La capacidad medida es la detección de imágenes totalmente generadas de este conjunto. Las ediciones locales y versiones posteriores de los generadores requieren otras pruebas. No ajustamos el umbral con el conjunto de evaluación; no se ha establecido si existe solapamiento con los datos de entrenamiento de los modelos base.

Una referencia medible para revisar imágenes

Los equipos que revisan fotografías recibidas necesitan cobertura de varios generadores. Esta prueba demuestra esa capacidad en nueve categorías: se detectó el 97,54 % de las imágenes IA y el 96,30 % de las fotografías reales permaneció por debajo del umbral IA.

Pruebe el detector de imágenes IA con su archivo o consulte la verificación de imágenes para conocer el flujo de revisión. El benchmark documenta el rendimiento del conjunto; el resultado individual presenta las pruebas de su imagen.

Preguntas frecuentes

¿Qué fiabilidad tiene Fileverity?

En esta evaluación, la tasa de detección fue del 97,54 %, la exactitud equilibrada del 96,92 % y la tasa de falsos positivos del 3,70 %. Son medidas complementarias de la misma prueba.

¿Puede detectar imágenes de Midjourney y DALL·E?

Detectó el 99 % de las imágenes Midjourney v5, el 100 % de las DALL·E 3 y el 92,30 % de las DALL·E 2 de Synthbuster, con el mismo umbral fijo en todos los grupos.

Por Yang Zheng