論文の概要: Spectral Forensics of Diffusion Attention Graphs for Copy-Move Forgery Detection

• arxiv url: http://arxiv.org/abs/2604.17287v1
• Date: Sun, 19 Apr 2026 07:02:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.438422
• Title: Spectral Forensics of Diffusion Attention Graphs for Copy-Move Forgery Detection
• Title（参考訳）: Copy-Move Forgery 検出のための拡散注意グラフの分光法医学
• Authors: H. M. Shadman Tabib, Tasriad Ahmed Tias, Nafis Tahmid,
• Abstract要約: GraphSpecForgeは、コピー-ムーブの偽造を検知する、トレーニング不要のフレームワークである。 我々の中心的な洞察は、コピー・モーブ操作は自己注意グラフにおける近似サブグラフ重複を誘導するということである。 我々は、画像単位のラプラシアンスペクトルと実際の基準分布との間のワッサーシュタイン距離を用いた画像レベルの異常検出器を構築した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Copy-move forgery, where a region within an image is duplicated to hide or fabricate content, remains a persistent threat to visual media integrity. We introduce GraphSpecForge, a training-free framework that detects copy-move forgery by analysing the spectral structure of attention graphs from a pretrained Stable Diffusion U-Net. Our central insight is that copy-move manipulation induces approximate subgraph duplication in the self-attention graph, leading to measurable spectral redistribution in the normalized graph Laplacian. We formalise this link with perturbation-based arguments and build an image-level anomaly detector using Wasserstein distances between per-image Laplacian spectra and an authentic reference distribution. We evaluate GraphSpecForge on four copy-move benchmarks without forgery-specific retraining. On RecodAI-LUC (5,128 images), our best configuration achieves AUROC = 0.606 (95% CI: 0.580-0.638; permutation p = 0.005), and the normalized Laplacian outperforms raw attention spectra by +0.057 AUROC. On MICC-F220, CoMoFoD, and COVERAGE, the same pipeline attains AUROCs of 0.752, 0.774, and 0.673, respectively; on CoMoFoD it also reaches AUPRC = 0.833, balanced accuracy = 0.712, MCC = 0.499, and TPR@1%FPR = 32.5%. Additional ablation and falsification experiments confirm the signal's specificity and sensitivity to manipulation strength, while null-graph controls rule out trivial-statistic explanations.
• Abstract（参考訳）: コピー・ムーブ・フォージェリ(copy-move forgery)は、画像内のある領域を複製してコンテンツを隠したり製造したりすることで、ビジュアルメディアの完全性に対する永続的な脅威である。 本稿では,事前学習した安定拡散U-Netから注目グラフのスペクトル構造を分析して,コピー・ムーブ・フォージェリを検出する学習自由フレームワークであるGraphSpecForgeを紹介する。 我々の中心的な洞察は、コピー・モーブ操作は自己アテンショングラフにおける近似サブグラフ重複を誘導し、正規化グラフラプラシアンのスペクトル再分配を計測できるということである。 我々は、このリンクを摂動に基づく議論で定式化し、画像ごとのラプラシアンスペクトルと真の基準分布の間のワッサーシュタイン距離を用いた画像レベルの異常検出器を構築する。 フォージェリ固有のリトレーニングを伴わない4つのコピー-ムーブベンチマークでGraphSpecForgeを評価した。 RecodAI-LUC (5,128画像)では、AUROC = 0.606 (95% CI: 0.580-0.638; permutation p = 0.005) が達成され、正規化されたラプラシアンは+0.057 AUROCで生の注意スペクトルを上回ります。 MICC-F220、CoMoFoD、COVERAGEでは、それぞれ0.752、0.774、0.673のAUROCを獲得し、CoMoFoDではAUPRC = 0.833、平衡精度 = 0.712、MCC = 0.499、TPR@1%FPR = 32.5%に達する。 さらなるアブレーションとファルシフィケーションの実験により、信号の特異性と操作強度に対する感度が確認され、ヌルグラフ制御は自明な統計学的説明を除外する。

関連論文リスト

• Graph Theoretical Outlier Rejection for 4D Radar Registration in Feature-Poor Environments [0.6171990546748666]
  自動車用4Dイメージングレーダーは、ほこりの多い低視界環境での運用に適している。 しかし、ノイズやマルチパスリフレクションによるスキャンの間隔と急激な検出のため、登録は依然として困難である。 斜線グラフ(PCM)に対するレーダ適応型ペアワイズ距離不変スコアリング関数を提案する。 提案手法は,1mセグメントで29.6%,100mセグメントで最大で29.6%削減する。
  論文  参考訳（メタデータ） (2026-04-16T10:44:47Z)
• Spectral Signatures of Data Quality: Eigenvalue Tail Index as a Diagnostic for Label Noise in Neural Networks [0.0]
  ニューラルネットワークの重み行列のスペクトル特性がテスト精度を予測できるかどうかを検討する。 制御されたラベルノイズの下では、ネットワークのボトルネック層における固有値分布のテール指数アルファは、残響R2 = 0.984(21ノイズレベル、3シードレベル)でテスト精度を予測する。 我々は,この署名の軌跡として情報処理ボトルネック層を同定し,ランダム行列モデルにおけるBBP相転移と観測を結びつける。
  論文  参考訳（メタデータ） (2026-03-29T21:53:24Z)
• Geometry of Reason: Spectral Signatures of Valid Mathematical Reasoning [0.0]
  本研究では,注意パターンのスペクトル分析により,大規模言語モデルにおける有効な数学的推論を学習なしで検出する手法を提案する。 この方法は、トレーニングデータ、微調整、あるいは学習された分類器を必要としない。 これらの知見は,ハロゲン化検出とAI安全監視への即時適用による検証を推論するための基本的枠組みとして,スペクトルグラフ解析を確立した。
  論文  参考訳（メタデータ） (2026-01-02T18:49:37Z)
• On the Problem of Consistent Anomalies in Zero-Shot Industrial Anomaly Detection [0.0]
  類似性計算から一貫した異常を識別・フィルタリングする新しいアルゴリズムであるConsistent-Anomaly Detection Graph (CoDeGraph)を導入する。 CoDeGraphはイメージレベルのグラフを構築し、イメージをノードとして、エッジを共通の一貫したアノマリーパターンで接続する。 ViT-L-14-336バックボーンを用いたMVTec ADの実験では、AUROCが98.3%、ASが66.8%であった。
  論文  参考訳（メタデータ） (2025-10-12T05:28:28Z)
• A Spectral Interpretation of Redundancy in a Graph Reservoir [51.40366905583043]
  この研究はMRGNN(Multi resolution Reservoir Graph Neural Network)における貯留層の定義を再考する。 コンピュータグラフィックスにおける表面設計の分野で最初に導入されたフェアリングアルゴリズムに基づく変種を提案する。 この論文の中核的な貢献は、ランダムウォークの観点からのアルゴリズムの理論解析にある。
  論文  参考訳（メタデータ） (2025-07-17T10:02:57Z)
• Adaptive Hierarchical Graph Cut for Multi-granularity Out-of-distribution Detection [10.200872243175183]
  本稿では,配布外検知(OOD検出)という重要な課題に焦点をあてる。 これまでの作業はまともな成功を収めましたが、現実の挑戦的なアプリケーションには効果がありません。 本稿では,異なる画像間の意味的関係を探索するために,適応階層型グラフカットネットワーク(AHGC)を提案する。
  論文  参考訳（メタデータ） (2024-12-20T08:32:02Z)
• Graph Signal Sampling for Inductive One-Bit Matrix Completion: a Closed-form Solution [112.3443939502313]
  グラフ信号解析と処理の利点を享受する統合グラフ信号サンプリングフレームワークを提案する。 キーとなる考え方は、各ユーザのアイテムのレーティングをアイテムイットグラフの頂点上の関数(信号)に変換することである。 オンライン設定では、グラフフーリエ領域における連続ランダムガウス雑音を考慮したベイズ拡張(BGS-IMC)を開発する。
  論文  参考訳（メタデータ） (2023-02-08T08:17:43Z)
• DetectGPT: Zero-Shot Machine-Generated Text Detection using Probability Curvature [143.5381108333212]
  大規模な言語モデルからサンプリングされたテキストは、モデルのログ確率関数の負の曲率領域を占有する傾向にあることを示す。 次に、与えられたLLMから通路が生成されるかどうかを判断するための新しい曲率ベースの基準を定義する。 我々は、モデルサンプル検出のための既存のゼロショット法よりもディテクターGPTの方が識別性が高いことを発見した。
  論文  参考訳（メタデータ） (2023-01-26T18:44:06Z)
• Learning Hierarchical Graph Representation for Image Manipulation Detection [50.04902159383709]
  画像操作検出の目的は、画像内の操作された領域を特定し、特定することである。 最近のアプローチでは、画像に残っている改ざんするアーティファクトをキャプチャするために、洗練された畳み込みニューラルネットワーク(CNN)が採用されている。 本稿では2つの並列分岐からなる階層型グラフ畳み込みネットワーク(HGCN-Net)を提案する。
  論文  参考訳（メタデータ） (2022-01-15T01:54:25Z)
• Recognizing Predictive Substructures with Subgraph Information Bottleneck [97.19131149357234]
  IB-subgraph というサブグラフを認識するための新しいサブグラフ情報ボトルネック(SIB)フレームワークを提案する。 相互情報の抽出性とグラフデータの離散的性質は、SIBの目的を最適化することが難しいことで知られている。 グラフ学習と大規模ポイントクラウドタスクの実験は、ib-subgraphの優れた特性を示している。
  論文  参考訳（メタデータ） (2021-03-20T11:19:43Z)
• High-Order Information Matters: Learning Relation and Topology for Occluded Person Re-Identification [84.43394420267794]
  本稿では,高次関係とトポロジ情報を識別的特徴とロバストなアライメントのために学習し,新しい枠組みを提案する。 我々のフレームワークはOccluded-Dukeデータセットで最先端の6.5%mAPスコアを大幅に上回っている。
  論文  参考訳（メタデータ） (2020-03-18T12:18:35Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。