媒體分類
概覽
在檢取的媒體中辨識及分類性內容，是兒童性剝削調查的核心。人手審視既緩慢，對調查人員造成精神創傷，在大規模處理時亦欠缺一致性。
Rigr AI 的媒體分類功能運用深度學習物件偵測，辨識圖像中的性內容、身體部位、活動及情境指標，再將這些偵測結果對應至符合既定審視框架的結構化嚴重程度分類。
偵測能力
我們的人工智能模型可偵測以下類別的視覺元素：
身體部位與解剖結構
生殖器官、乳房、臀部、手、腳——每項均按發育階段分類（由嬰兒至成人）。
性行為
性交、口交、插入、自慰、擺姿及非插入式接觸——均獲精準偵測及標註。
年齡分佈
面孔及全身人物按發育階段分類：嬰兒、幼兒、前青春期、青春期及成人。
情境指標
自拍（手機／相機）、螢幕截圖、兒童性虐待材料網絡標誌、衣物、首飾、約束工具及其他證據標記。
嚴重程度分類
每張圖像均按偵測到的最嚴重內容，獲分配畫面層級的嚴重程度分類。該分類對應至為調查分流而設的結構化等級：
| 嚴重程度 | 分類 | 說明 |
|---|---|---|
| 0 | 無性內容 | 未偵測到任何具調查價值的內容 |
| 2 | 剝削性／具暗示性 | 裸露、外露的解剖部位，或性化情境但無露骨活動 |
| 3 | 公然性化擺姿 | 刻意展示生殖器官或明顯性化的姿勢 |
| 4 | 非插入式性行為 | 自慰、舔舐或其他非插入式性接觸 |
| 5 | 插入式性行為 | 性交、口交、肛交或陰道插入 |
每項偵測亦會附加情境標記——例如 自行製作、虐戀 或 電腦圖像元素——提供額外的調查情境。
試用
上載圖像，即時體驗媒體分類。為測試之用，系統接受成人內容。
成人內容可用作測試——請勿上載兒童性虐待材料。
你提交的圖像會保留最多 7 天作信任與安全審查之用，其後刪除。我們如何處理示範數據 →
行動應用
在調查工作流程中，媒體分類用於：
- 按嚴重程度分流大量檢取的媒體
- 辨識特定的性行為、身體部位及情境指標
- 標示自行製作的內容、兒童性虐待材料網絡標誌及其他證據標記
- 排定審視佇列的優先次序，讓調查人員優先處理最嚴重的材料
此功能亦可作為獨立 API 或容器化應用程式提供，並可部署於氣隙隔離環境。
部署與控制
- 完全容器化
- 本地及氣隙隔離運行
- 不保留數據
- 客戶完全掌控輸入與輸出
給開發人員
分類 API 透過 multipart 上載接收圖像，並返回嚴重程度分類、情境標記，以及每個物件的偵測結果，連同邊界框及置信度分數。
快速開始
POST /classify curl -X POST https://api.mes.rigr.ai/classify \
-H "X-API-KEY: $API_KEY" \
-F "[email protected]" \
-F "model=VisualyzeV2" 回應
{
"classification": {
"key": "rigr-penetrative",
"display_name": "Penetrative sexual activity",
"severity": 5
},
"flags": ["Self-Generated"],
"detections": [{
"class_name": "Male Receive Oral",
"score": 0.87,
"bbox": {"x": 0.12, "y": 0.45, "w": 0.31, "h": 0.62},
"ucs_sexual_content": "Penetrative Sexual Activity"
}]
}