AI & Agentic SystemsConference45min
Tatouage numérique pour l'IA générative
La présentation décrit **Meta Seal**, cadre open source pour intégrer des tatouages numériques invisibles et robustes (image, vidéo, audio, texte). Elle détaille ses modules (PixelSeal, AudioSeal, TextSeal), leur passage de la recherche à la production chez Meta, leurs limites actuelles et les perspectives de tatouage pour la traçabilité des contenus et données.
Pierre FernandezMeta
Tom SanderMeta
talkDetail.whenAndWhere
Wednesday, April 22, 14:35-15:20
TBA 6
talks.roomOccupancytalks.noOccupancyInfo
En bref : comment fonctionne le tatouage numérique (watermarking), comment il est utilisé chez Meta et quelles en sont les limites actuelles.
---
Cette présentation introduira Meta Seal, un framework open source conçu pour intégrer des tatouages numériques invisibles et robustes dans tous les types de contenus (image, vidéo, audio et texte), notamment :
Au-delà des modèles eux-mêmes, nous aborderons la manière dont ces technologies sont passées de la recherche à la production à grande échelle, afin de soutenir la transparence des contenus et le suivi de provenance sur des plateformes comme Instagram et Facebook.
La présentation mettra également en lumière des axes de recherche futurs, tels que le tatouage des jeux de données pour tracer l’utilisation des données d’entraînement, et examinera les limites actuelles ainsi que les perspectives d’avenir du tatouage numérique invisible.
---
Cette présentation introduira Meta Seal, un framework open source conçu pour intégrer des tatouages numériques invisibles et robustes dans tous les types de contenus (image, vidéo, audio et texte), notamment :
- PixelSeal : dédié à l’image et à la vidéo, le modèle le plus abouti, grâce à un entraînement adversarial stable;
- AudioSeal : une solution de tatouage audio compatible avec le streaming en temps réel;
- TextSeal : un framework complet dédié au tatouage de texte, notamment à des fins de recherche.
Au-delà des modèles eux-mêmes, nous aborderons la manière dont ces technologies sont passées de la recherche à la production à grande échelle, afin de soutenir la transparence des contenus et le suivi de provenance sur des plateformes comme Instagram et Facebook.
La présentation mettra également en lumière des axes de recherche futurs, tels que le tatouage des jeux de données pour tracer l’utilisation des données d’entraînement, et examinera les limites actuelles ainsi que les perspectives d’avenir du tatouage numérique invisible.
Pierre Fernandez
Pierre Fernandez is a Research Scientist at FAIR (Meta), specializing in watermarking for generative models and content tracing. He holds a PhD from Inria Rennes, where he developed watermarking algorithms for multiple modalities, including methods now deployed at scale at Meta to identify AI-generated content.
talkDetail.shareFeedback
talkDetail.feedbackNotYetAvailable
talkDetail.feedbackAvailableAfterStart
talkDetail.signInRequired
talkDetail.signInToFeedbackDescription
occupancy.title
occupancy.votingNotYetAvailable
occupancy.votingAvailableBeforeStart
talkDetail.signInRequired
occupancy.signInToVoteDescription
comments.speakerNotEnabledComments