monycorp

・AIによる意味理解判定を行う場合は、 　以下のセットアップが必要です。↓ 【 llama.cppを使用する場合 】 モデルファイルは、こちらからダウンロードできます。↓ https://huggingface.co/second-state/Llava-v1.5-7B-GGUF/tree/main CLIP(mmproj)ファイルは、こちらからダウンロードできます。↓ https://huggingface.co/l3utterfly/llava1.5-7b-gguf/tree/main ※設定画面を開いて、このファイルのパスを指定しておいて下さい。 【 Ollamaを使用する場合 】 ・モデル名に llava を指定して保存してください。 《 各機能の説明 》 ・本ツールは「自分の作品を守る」機能（サブ画面）と、 　「他人の画像を検証する」機能（メイン画面）の 　2つの顔を持っています。 【防衛・証明機能】（サブ画面） ① AI判定妨害（アドバーサリアル攻撃） ・画像全体に 　人間の目には見えない微小な数学的ノイズ 　（高周波ヒューリスティック、 　またはVAE潜在空間攻撃）を付加します。 ・これにより、 　第三者が「この画像はAI生成か？」と 　判定ツールにかけた際、 　AIの判定アルゴリズムを狂わせます。 ② 来歴証明（DCT透かし ＋ ZKコミットメント） ・ブロックチェーンを使わず、 　秘密の文字列（ソルト）と画像のハッシュを掛け合わせた 　「ゼロ知識証明型」の署名を生成します。 ・これをEXIFメタデータだけでなく、 　画像のピクセル（DCT周波数領域）に直接、 　タイリング（多数決）方式で強力に埋め込みます。 ③ 耐性シミュレーター ・SNS（Xなど）にアップロードした際のJPEG圧縮劣化や、 　縮小・ぼかし処理をメモリ上で疑似的に再現し、 　付加した「証明」が実運用で生き残るかを 　事前にテストします。 ④ セキュアワイプ（完全消去） ・透かしを入れた後、 　ディスク上に残る「元の無防備な画像」を 　OSの標準削除ではなく、 　ディスクセクタレベルでゼロ埋めして完全破壊し、 　フォレンジック（データ復元）攻撃を防ぎます。 【検証・判定機能】（メイン画面） ⑤ ハイブリッドAI判定 ・対象画像に対し、 　「数学的なノイズ（AI特有の格子アーティファクト）」をスキャンし、 　同時にVLM（視覚言語モデル）で 　「指の数やパースの狂いなどの意味論的矛盾」を解析させ、 　総合的に真贋を判定します。 ⑥ ピクセル空間からの証明復元 ・メタデータが剥がされた画像であっても、 　DCT空間から多数決方式でビットデータを抽出し、 　隠された来歴証明を復元します。 ■RTX 3060 (12GB) 向けの具体的な推奨モデル ・VRAM 12GBという環境は 　ローカルAIにおいて非常に優秀ですが、 　Windowsのシステム（約1.5GB〜2GB）と 　コンテキストウィンドウ（約1GB）の消費を考慮すると、 　モデル本体に割けるVRAMの安全圏は 　「7GB〜8GB前後」となります。 ・llama.cppをバックエンド（CUDA）で動かす場合、 　安定性と解析精度のバランスが最も良い 　「LLaVA v1.5 (7B)」の量子化モデルを推奨します。 ① モデルファイル（LlamaModelPath）の推奨 具体的なファイル名: llava-v1.5-7b-Q4_K_M.gguf 容量: 　約 4.3 GB 理由: ・70億パラメータのモデルを4ビット量子化（Q4_K_M）したものです。 ・VRAM消費が少なく、 　RTX 3060のCUDAコアであれば 　驚異的な速度（数十トークン/秒）で回答を生成できます。 ・画像の矛盾を指摘する推論能力としては 　十分な賢さを持っています。 ② CLIPプロジェクターファイル（LlamaMmprojPath）の推奨 具体的なファイル名: 　llava-v1.5-7b-mmproj-f16.gguf 容量:　 約 620 MB 理由: ・VLMが画像を解釈するための「目」となるファイルです。 ・mmprojは、極端に量子化すると 　画像の細部（ノイズや指の崩れなど）を見落としやすくなるため、 　16ビット（f16）の標準サイズを使うのがベストプラクティスです。