Los modelos pueden ubicar fotos comunes y las ediciones pueden engañarlos

Una foto puede revelar dónde se tomó, incluso sin una etiqueta de ubicación o un monumento famoso. No está claro si los modelos pueden combinar pistas comunes de una escena para encontrar un lugar, ni si editar unas pocas pistas puede reducir ese riesgo sin hacer irreconocible el resto de la imagen.

GeoTrace separa la enumeración de pistas visuales de la búsqueda geográfica en la web; GeoShift modifica pistas seleccionadas para desviar las estimaciones de ubicación antes de compartir una foto.

GeoTrace hace que un modelo enumere pistas y luego usa búsquedas web para acotar una ubicación. Con GPT-5-mini y la prueba de 525 fotos de los autores, el 16.95% de las imágenes se ubicó a menos de un kilómetro, frente al 7.62% con instrucciones directas.

Esa comparación muestra que, en este contexto, buscar pistas de forma estructurada mejoró la localización precisa.

Los autores usan esas pistas para diseñar GeoShift, que modifica detalles seleccionados para sugerir una ubicación falsa compatible.

Con GPT-5-mini como atacante, la localización a menos de un kilómetro bajó del 16.95% sin defensa al 2.48% con GeoShift basado en Gemini-3-Flash, lo que respalda una reducción de la exposición de ubicaciones precisas en esta prueba.

Estos resultados proceden de una prueba con 525 fotos al aire libre y de los modelos indicados. GeoShift redujo la localización precisa en esas pruebas, pero los ataques adaptativos recuperaron algunos aciertos y los autores encontraron imágenes que aún podían localizarse con precisión.