Abacus.AIがAI生成画像の検出モデルをオープンソース公開 — 誤検知5%固定で86.7%を検出、ラップトップのGPUでも動作

10月18日、Balajee Sambasivamが「Smaug AI Image Detector: State-of-the-Art Open-Source Detection of AI-Generated Images」と題した記事を公開した。この記事では、Abacus.AIがリリースしたオープンソースのAI生成画像検出モデル「Smaug AI Image Detector」について詳しく紹介されている。

「偽物かどうか、自分のマシンで判定できる」

AI画像生成技術の急速な普及により、人間の目では本物の写真とAI生成画像を区別できなくなって久しい。しかもそうした画像はリサイズや再圧縮を繰り返しながらネット上を流通し、出所が追えなくなる。詐欺、なりすまし、証拠の捏造、実際の出来事への疑義づけ——Balajeeは「これは将来のリスクではなく、今まさに大規模に起きている」と述べる。

こうした背景のなか、Abacus.AIはSmaug AI Image Detectorをオープンソース（Apache 2.0ライセンス）で公開した。クローズドなAPIや有料サービスに頼ることなく、自分のマシン上でローカルに実行できる点が最大の特徴だ。

なお「Smaugファミリー」とはAbacus.AIが展開するオープンソースモデル群の総称で、同社はこれまでにも高性能なSmaug LLMシリーズ（大規模言語モデル）を公開してきた実績がある。今回の画像検出モデルはそのシリーズに新たに加わる位置づけだ。

実環境での精度がライバルを上回る

Smaugは10種類のオープンソース検出モデルと比較評価されている。評価対象は3つの公開ベンチマークから集めた計26,070枚の画像で、Hugging Face上でダウンロード数の多いモデルや最近公開されたウェイト付きモデルがすべて含まれている。

誤検知率（実際の写真をAIと誤判定する割合）を5%に固定した条件での比較結果は以下のとおりだ。

差が最も顕著なのは、実際にオンライン上に投稿されるような画像（Redditからのサンプル）での評価だ。次点モデルの77.4%に対し、Smaugは**86.7%を検出する。逆方向の精度も高く、デフォルトの閾値で本物の写真をAIと誤判定する割合は0.4〜3.0%**にとどまる。

対応する生成モデルには、GPT-Image 2、Midjourney 7、FLUX.1、Ideogram、Recraft、ERNIE-Imageのほか、動画生成モデルのSora 2やVeo 3のフレーム画像も含まれている。

モデルサイズを41%削減、ラップトップで動く

SmaugはGoogleのEmbeddingGemma-2をベースにファインチューニングされている。EmbeddingGemma-2はGoogleが公開するGemmaモデルファミリーの派生モデルで、テキストや画像などの埋め込み表現（embedding）取得に特化した設計が特徴だ。元モデルには音声処理用のタワー（3億500万パラメータ）が含まれているが、画像検出には不要なためこれを除去。結果としてモデルサイズを744Mパラメータから439Mパラメータへと削減しながら、精度の低下はなしとしている。

この軽量さにより実行環境の選択肢が広い。

• コンシューマ向けGPU：約1GBのVRAMで動作
• Apple Silicon Mac：Metal経由で実行可能
• CPU：GPUなしでも動作

入手方法と使い方

モデルはHugging FaceからApache 2.0ライセンスで取得できる。transformersライブラリ経由でのインストールが基本となり、以下のコマンドで環境を準備できる。

pip install transformers torch pillow

モデルのロードと推論はpipelineまたはAutoModelを通じて行う。Hugging Faceのモデルカードに推論コードのサンプルが掲載されているため、導入のハードルは低い。Apple Silicon環境ではdevice="mps"を指定することでGPUアクセラレーションを利用できる。ライセンスはApache 2.0のため商用利用も可能だ。Abacus.AIの研究ページにも掲載されており、同社のSmaugファミリーに加わる形となる。

詳細はSmaug AI Image Detector: State-of-the-Art Open-Source Detection of AI-Generated Imagesを参照していただきたい。