前言：走近图像大模型
Chat-GPT发布后，众多科技公司纷纷推出自家的大模型。从通用大语言模型（Large Language Models，LLM）飞速进步，到文档、图像、声音等多模态的输入和输出，其中图像大模型为AI的发展和应用带来了新机遇。
图像安全与各行各业紧密相连，前有不法分子用PS等工具篡改图像，后有AI工具批量生产违规内容，给社会带来了不同程度的伤害。对图像进行违禁、涉政、广告等方面的审核，提前拦截风险信息，对各家企业来说都已经迫在眉睫。
在传统审核场景的基础上，百度的跨模态大模型为了覆盖更多长尾审核情景，推出“图像大模型审核”新功能，只需要提供少量“图片样本“+基础提示词”，就能实现个性化内容的审核，增强通用场景的审核效果，为网络安全保驾护航。
一、能力概览
核心能力一：增强审核效果
针对涉黄、暴恐等基础场景，平台在海量数据库的基础上，结合最新的跨模态大模型能力，搭建官方场景库，实现图片拦截效果的快速优化和效果增强，提高审核全面性、召回率。
- 识别度增强，各类场景召回度进一步提升；
- 覆盖长尾场景，对隐晦色情、不良价值观等一网打尽；
- 应用便捷，官方大模型审核场景库可一键开启、快速应用。
核心能力二：个性化审核
内容的表现形式正在不断变化，传统的审核方式可能无法满足特殊的审核需求。例如，以炫富为目的的“人民币花”本应被判违规，但传统审核方式无法做出正确判断。此时，针对特定业务需求的个性化审核至关重要。
使用最新的图片大模型审核功能，结合图片特征，输入相关Prompt提示词，就可以对特殊图片进行拦截。
二、超详细实战步骤
假设，我们正在审核一批建筑物的图片，需要将“商场”相关的图片排除。
Step 1 进入自定义场景库页面
登录百度智能云账号，找到产品服务-人工智能下的内容审核产品；
根据操作指引，分别领取免费资源、创建应用、配置策略和调用服务。
进入“图像大模型审核 > 自定义场景库”页面。
Step 2 创建场景
点击“图像大模型审核 > 自定义场景库 > 创建场景”，进入编辑页面。
编辑“场景名称”部分时，建议将具有相似内容、主题或特征的图片归纳为一个类别，例如地点（如商场）、事物（如卡通警察）或任何具体的活动（如送餐）。
上传“图片样本”时，场景越细分、图片样本越多、像素越高（不低于 5*5px），训练后的审核效果越好。
- 支持批量上传，建议单次上传 6-10 张，最大上传数为 20 张，单张图不超过 10Mb；
- 上传格式支持 JPG、JPEG、PNG、BMP、GIF、WEBP。
设定好“场景名称”“图片样本”后，应为场景“撰写初始提示词”。
- 建议至少 2-3 个，单个提示词不超过 10 个字；
- 限制 100 字符以内，建议 3-5 个提示词，最多 15 个提示词，多个提示词以回车换行。
标签代表场景的主要属性。给场景“绑定标签”能让审核系统快速识别和处理图片，有效提高审核的准确率和效率。
Step 3 配置提示词
上述内容设置完成后，点击“完成创建”或“创建并配置提示词”，进入下一步骤。
根据实际的使用需求，可添加新的提示词，并对提示词的匹配阈值进行调整。
- 匹配度在匹配阈值以上的图片将被判断为违规；
- 匹配阈值越⾼，匹配精确度越高，匹配的违规图片数量越少。
匹配阈值设置完成后，点击左下角的“保存并检测提示词效果”。
如果自行上传的图片样本存在漏审情况，可根据系统提示进行调整。
如果不存在漏审，可根据实际情况，选择“检查系统图库是否存在误命中”或“无明显问题，去应用”。
Step 4 应用至策略
随后，进入“策略配置”页面。选中想要修改的审核策略并点击“编辑”，勾选“自定义场景库”，并添加所需“场景”。
保存策略配置后，可进行在线验证和内容审核。
以一张商场内部图片为验证样本。如果上述步骤全都顺利完成，将得到以下验证结果。
三、总结和思考
在安全领域，图像大模型有着广泛的应用前景和市场需求。
百度的图像大模型审核可以覆盖长尾场景，实现图片拦截的个性化和效果增强，只需轻松几步，就能实现检测和审核的完美融合。这个新功能还提高了图像审核的全面性和召回率，展现了大模型在网络安全领域的显著优势。
