Met de opkomst van generatieve AI is manipulatie en creatie van synthetische media zeer eenvoudig geworden. Deze krachtige technologie heeft echter het potentieel om gebruikt te worden voor het verspreiden van desinformatie, plegen van fraude, enz. Om dit tegen te gaan richten multimedia forensics methoden zich op het detecteren van gemanipuleerde en door AI gegenereerde media. De huidige SOTA heeft echter twee grote tekortkomingen. Ten eerste kunnen modellen worden verstoord door lokale (bv. tekst of logo’s toegevoegd aan afbeeldingen) en globale AI-gebaseerde (bv. AI-gebaseerde compressie zoals JPEG AI) forensische afleidingen, waardoor hun prestaties aanzienlijk afnemen. Ten tweede, onderzoek naar video-forensics is beperkt en resultaten vaak moeilijk verklaarbaar. Bovendien is er nog geen onderzoek gedaan naar kleine beeldsets. Dit project heeft als doel (1) de robuustheid tegen afleidingen te vergroten en (2) onderzoek te doen naar forensische analyse van kleine beeldsets en video's op basis van object consistentie. Ik zal een plug-in-architectuur ontwikkelen om forensische modellen bewust te maken van lokale afleidingen, en nieuwe technieken ontwikkelen om weerstand te bieden tegen globale AI-gebaseerde afleidingen. Daarnaast zal ik 3D-modelleringstechnieken onderzoeken om beeldsets en video's op verklaarbare manier te analyseren. Kortom, dit project pakt het probleem van desinformatie aan door de robuustheid en verklaarbaarheid van multimedia-forensics te verbeteren.