Fugu-MT 論文翻訳(概要): Don't Guess, Escalate: Towards Explainable Uncertainty-Calibrated AI Forensic Agents

論文の概要: Don't Guess, Escalate: Towards Explainable Uncertainty-Calibrated AI Forensic Agents

arxiv url: http://arxiv.org/abs/2512.16614v1
Date: Thu, 18 Dec 2025 14:52:57 GMT
ステータス: 翻訳完了
システム内更新日: 2025-12-19 18:10:32.106834
Title: Don't Guess, Escalate: Towards Explainable Uncertainty-Calibrated AI Forensic Agents
Title（参考訳）: Escalate, Don't Guess, Don't Guess: toward Explainable Uncertainty-Calibrated AI forensic Agents
Authors: Giulia Boato, Andrea Montibeller, Edward Delp, Luisa Verdoliva, Daniele Miorandi,
Abstract要約: 本稿では,AI法医学的エージェントを提案する。このエージェントは,法医学的検知器を選択し,組み合わせ,証明とコンテキストを特定し,不確実性を考慮した評価を行う。現在のソリューションの落とし穴を強調し、信頼性検証プロセスを改善するための統一されたフレームワークを導入します。
参考スコア（独自算出の注目度）: 7.8050840153484025
License: http://creativecommons.org/licenses/by/4.0/
Abstract: AI is reshaping the landscape of multimedia forensics. We propose AI forensic agents: reliable orchestrators that select and combine forensic detectors, identify provenance and context, and provide uncertainty-aware assessments. We highlight pitfalls in current solutions and introduce a unified framework to improve the authenticity verification process.
Abstract（参考訳）: AIはマルチメディアの法医学の世界を変えつつある。我々は、AIの法医学的エージェントを提案する: 法医学的検出器を選択し、組み合わせ、証明とコンテキストを特定し、不確実性を認識したアセスメントを提供する信頼性の高いオーケストレータ。現在のソリューションの落とし穴を強調し、信頼性検証プロセスを改善するための統一されたフレームワークを導入します。

関連論文リスト

Enabling Ethical AI: A case study in using Ontological Context for Justified Agentic AI Decisions [0.0]
著者らは、このプロセスがどのように制度的な知識を捉え、応答品質と効率を改善し、制度的な記憶を緩和するかを示している。決定は明確で検査可能な証拠と専門家と非専門家の両方への推論に基礎を置いている。
論文参考訳（メタデータ） (2025-12-04T14:06:35Z)
From Evidence to Verdict: An Agent-Based Forensic Framework for AI-Generated Image Detection [19.240335260177382]
AIFo(Agent-based Image Forensics)は、マルチエージェントコラボレーションによる人間の法医学的調査をエミュレートする、トレーニング不要のフレームワークである。従来の手法とは異なり,本フレームワークでは,リバース画像検索,メタデータ抽出,事前学習型分類器,VLM解析など,一連の法医学的ツールを用いている。我々の総合的な評価は6000のイメージに及び、現代の生成プラットフォームや多様なオンラインソースの画像を含む現実世界のシナリオに挑戦する。
論文参考訳（メタデータ） (2025-10-31T18:36:49Z)
UniShield: An Adaptive Multi-Agent Framework for Unified Forgery Image Detection and Localization [20.95924601497973]
UniShieldは、さまざまな領域にまたがる画像偽造を検知し、ローカライズできる、新しい統一システムである。我々はUniShieldが、既存の統一アプローチとドメイン固有検出器の両方を超越して、最先端の結果を達成することを示す。
論文参考訳（メタデータ） (2025-10-03T16:33:05Z)
ThinkFake: Reasoning in Multimodal Large Language Models for AI-Generated Image Detection [51.93101033997245]
AI生成画像のリアリズムの増大は、誤情報やプライバシー侵害に対する深刻な懸念を引き起こしている。我々は、AI生成画像検出のための新しい推論に基づく一般化可能なフレームワークThinkFakeを提案する。我々は、ThinkFakeがGenImageベンチマークで最先端の手法より優れており、挑戦的なLOKIベンチマークで強力なゼロショットの一般化を示すことを示す。
論文参考訳（メタデータ） (2025-09-24T07:34:09Z)
LLM-driven Provenance Forensics for Threat Investigation and Detection [12.388936704058521]
PROVSEEKは、証明駆動の法医学的分析と脅威情報抽出のためのエージェントフレームワークである。ベクター化された脅威レポートの知識ベースとシステム前駆者データベースのデータとを融合させる、正確なコンテキスト対応クエリを生成する。証明クエリを解決し、複数の役割特異的なエージェントを編成して幻覚を緩和し、構造化された、地味で検証可能な法医学的な要約を合成する。
論文参考訳（メタデータ） (2025-08-29T04:39:52Z)
Propose and Rectify: A Forensics-Driven MLLM Framework for Image Manipulation Localization [49.71303998618939]
本稿では,意味論的推論と法科学的な分析を橋渡しするPropose-Rectifyフレームワークを提案する。提案手法は,具体的技術実証により,初期セマンティックな提案が体系的に検証され,拡張されることを保証し,包括的検出精度と局所化精度を実現する。
論文参考訳（メタデータ） (2025-08-25T12:43:53Z)
FakeScope: Large Multimodal Expert Model for Transparent AI-Generated Image Forensics [66.14786900470158]
本稿では,AIによる画像鑑定に適した専門家マルチモーダルモデル(LMM)であるFakeScopeを提案する。 FakeScopeはAI合成画像を高精度に識別し、リッチで解釈可能なクエリ駆動の法医学的な洞察を提供する。 FakeScopeは、クローズドエンドとオープンエンドの両方の法医学的シナリオで最先端のパフォーマンスを達成する。
論文参考訳（メタデータ） (2025-03-31T16:12:48Z)
Forensics-Bench: A Comprehensive Forgery Detection Benchmark Suite for Large Vision Language Models [53.55128042938329]
Forensics-Benchは、新しい偽検出評価ベンチマークスイートである。 63,292件の厳密にキュレートされたマルチチョイスの視覚的質問からなり、112件の独特な偽造検出をカバーしている。 GPT-4o, Gemini 1.5 Pro, Claude 3.5 Sonnetの22のオープンソースLVLMと3つのプロプライエタリモデルについて徹底的な評価を行った。
論文参考訳（メタデータ） (2025-03-19T09:21:44Z)
A Principled Design of Image Representation: Towards Forensic Tasks [75.40968680537544]
本稿では, 理論, 実装, 応用の観点から, 法科学指向の画像表現を別の問題として検討する。理論レベルでは、Dense Invariant Representation (DIR)と呼ばれる、数学的保証を伴う安定した記述を特徴とする、新しい法医学の表現フレームワークを提案する。本稿では, ドメインパターンの検出とマッチング実験について, 最先端の記述子との比較結果を提供する。
論文参考訳（メタデータ） (2022-03-02T07:46:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。