論文の概要: Frequency-Aware Semantic Fusion with Gated Injection for AI-generated Image Detection
- arxiv url: http://arxiv.org/abs/2604.27875v1
- Date: Thu, 30 Apr 2026 13:54:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-01 16:31:54.119499
- Title: Frequency-Aware Semantic Fusion with Gated Injection for AI-generated Image Detection
- Title（参考訳）: AI生成画像検出のためのゲート注入による周波数認識セマンティックフュージョン
- Authors: Shuchang Zhou, Shangkun Wu, Jiwei Wei, Ke Liu, Ran Ran, Caiyan Qin, Yang Yang,
- Abstract要約: Vision Foundation Modelsは、リッチなセマンティック表現と周波数ベースのメソッドがアーティファクトキューをキャプチャする機能を提供する。
これらのモダリティを組み合わせた既存のアプローチは、依然として限定的な一般化に悩まされている。
本稿では、一般化を改善するために、周波数対応Gated Injection Network (FGINet)を提案する。
- 参考スコア（独自算出の注目度）: 18.582605108525506
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: AI-generated images are becoming increasingly realistic and diverse, posing significant challenges for generalizable detection. While Vision Foundation Models (VFMs) provide rich semantic representations and frequency-based methods capture complementary artifact cues, existing approaches that combine these modalities still suffer from limited generalization, with notable performance degradation on unseen generative models. We attribute this limitation to two key factors: frequency shortcut bias toward easily distinguishable cues associated with specific generators and cross-domain representation conflict between high-level semantics and low-level frequency patterns. To address these issues, we propose a Frequency-aware Gated Injection Network (FGINet) to improve generalization. Specifically, we design a Band-Masked Frequency Encoder (BMFE) that applies cross-band masking in the frequency domain to reduce reliance on generator-specific patterns and encourage more diverse and generalizable representations. We further introduce a Layer-wise Gated Frequency Injection (LGFI) mechanism to progressively inject frequency cues into the VFM backbone with adaptive gating, aligning with its hierarchical abstraction and alleviating representation conflict. Moreover, we propose a Hyperspherical Compactness Learning (HCL) framework with a cosine margin objective to learn compact and well-separated representations. Extensive experiments demonstrate that FGINet achieves state-of-the-art performance and strong generalization across multiple challenging datasets.
- Abstract（参考訳）: AI生成画像は、ますます現実的になり、多様性が増し、一般化可能な検出に重大な課題を呈している。
ヴィジョン・ファンデーション・モデル(VFM)は豊かな意味表現を提供し、周波数に基づく手法は相補的なアーティファクトの手がかりを捉えるが、これらのモダリティを組み合わせた既存のアプローチは依然として限定的な一般化に悩まされており、目に見えない生成モデルの性能は著しく低下している。
この制限は、特定のジェネレータに関連付けられた容易に識別可能なキューに対する周波数ショートカットバイアスと、ハイレベルなセマンティクスと低レベルな周波数パターン間のドメイン間表現競合である。
これらの問題に対処するために、一般化を改善するために、周波数対応Gated Injection Network (FGINet)を提案する。
具体的には、周波数領域にクロスバンドマスキングを適用した帯域マスキング周波数エンコーダ(BMFE)を設計し、ジェネレータ固有のパターンへの依存を減らし、より多彩で一般化可能な表現を促進する。
さらに,周波数キューを適応的ゲーティングでVFMバックボーンに段階的に注入し,階層的な抽象化に整合し,表現競合を緩和するLGFI(Layer-wise Gated Frequency Injection)機構を導入する。
さらに,コサインマージンを目標とした超球形コンパクト性学習(HCL)フレームワークを提案する。
大規模な実験により、FGINetは複数の挑戦的なデータセットにまたがる最先端のパフォーマンスと強力な一般化を実現している。
関連論文リスト
- AdaptPrompt: Parameter-Efficient Adaptation of VLMs for Generalizable Deepfake Detection [7.76090543025328]
画像生成の最近の進歩により、高度にリアルな合成メディアが普及し、信頼性の高いディープフェイク検出の難しさが高まっている。
重要な課題は一般化であり、限られた種類の発電機で訓練された検出器は、目に見えないモデルに直面すると失敗することが多い。
本稿では,大規模視覚言語モデル(特にCLIP)を活用して,多様な生成技術にまたがる合成内容の同定を行うことにより,一般化可能な検出の必要性に対処する。
論文 参考訳（メタデータ） (2025-12-19T16:06:03Z) - FAIM: Frequency-Aware Interactive Mamba for Time Series Classification [87.84511960413715]
時系列分類(TSC)は、環境モニタリング、診断、姿勢認識など、多くの実世界の応用において重要である。
本稿では,周波数対応対話型マンバモデルであるFAIMを提案する。
FAIMは既存の最先端(SOTA)手法を一貫して上回り、精度と効率のトレードオフが優れていることを示す。
論文 参考訳（メタデータ） (2025-11-26T08:36:33Z) - Beyond Frequency: Scoring-Driven Debiasing for Object Detection via Blueprint-Prompted Image Synthesis [97.37770785712475]
オブジェクト検出のための世代ベースデバイアスフレームワークを提案する。
提案手法は,未表現オブジェクト群の性能ギャップを著しく狭める。
論文 参考訳（メタデータ） (2025-10-21T02:19:12Z) - Missing Fine Details in Images: Last Seen in High Frequencies [17.95197409468585]
本稿では、低周波成分と高周波成分の最適化を明示的に分離するウェーブレットベースの周波数対応可変オートエンコーダ(FA-VAE)フレームワークを提案する。
提案手法は,現在の潜在トークン化器の忠実度ギャップを橋渡しし,実写画像合成における周波数認識最適化の重要性を強調する。
論文 参考訳（メタデータ） (2025-09-05T18:49:08Z) - Frequency Domain-Based Diffusion Model for Unpaired Image Dehazing [92.61216319417208]
そこで本稿では,未確認データにおける有益な知識を十分に活用するための,新しい周波数領域ベース拡散モデルを提案する。
拡散モデル(DM)が示す強い生成能力に着想を得て,周波数領域再構成の観点からデハージング課題に取り組む。
論文 参考訳（メタデータ） (2025-07-02T01:22:46Z) - Freqformer: Image-Demoiréing Transformer via Efficient Frequency Decomposition [83.40450475728792]
本稿では,Freqformerについて述べる。Freqformerは,ターゲット周波数分離による画像復号化に特化して設計されたトランスフォーマーベースのフレームワークである。
本手法は,モワールパターンを高周波数空間局在化テクスチャと低周波数スケールローバスト色歪みに明確に分割する有効な周波数分解を行う。
様々なデモアのベンチマーク実験により、Freqformerは、コンパクトなモデルサイズで最先端のパフォーマンスを達成することを示した。
論文 参考訳（メタデータ） (2025-05-25T12:23:10Z) - FreqU-FNet: Frequency-Aware U-Net for Imbalanced Medical Image Segmentation [0.0]
FreqU-FNetは周波数領域で動作する新しいU字型セグメンテーションアーキテクチャである。
我々のフレームワークは、低パス畳み込みとDubechiesウェーブレットに基づくダウンサンプリングを利用する周波数を組み込んでいる。
複数の医療セグメンテーションベンチマークの実験では、FreqU-FNetはCNNとTransformerのベースラインを一貫して上回っている。
論文 参考訳（メタデータ） (2025-05-23T06:51:24Z) - Generalizable Multispectral Land Cover Classification via Frequency-Aware Mixture of Low-Rank Token Experts [22.75047167955269]
マルチスペクトル土地被覆分類(MLCC)の新しいアプローチであるLand-MoEを紹介する。
Land-MoEは、低ランクトークンエキスパート(MoLTE)と周波数認識フィルタ(FAF)の2つの重要なモジュールから構成される。
論文 参考訳（メタデータ） (2025-05-20T08:52:28Z) - Unified Frequency-Assisted Transformer Framework for Detecting and
Grounding Multi-Modal Manipulation [109.1912721224697]
本稿では、DGM4問題に対処するため、UFAFormerという名前のUnified Frequency-Assisted TransFormerフレームワークを提案する。
離散ウェーブレット変換を利用して、画像を複数の周波数サブバンドに分解し、リッチな顔偽造品をキャプチャする。
提案する周波数エンコーダは、帯域内およびバンド間自己アテンションを組み込んだもので、多種多様なサブバンド内および多種多様なフォージェリー特徴を明示的に集約する。
論文 参考訳（メタデータ） (2023-09-18T11:06:42Z) - Adaptive Frequency Learning in Two-branch Face Forgery Detection [66.91715092251258]
本稿では、AFDと呼ばれる2分岐検出フレームワークにおいて、周波数情報を適応的に学習する手法を提案する。
我々は、固定周波数変換からネットワークを解放し、データおよびタスク依存の変換層でより良いパフォーマンスを達成する。
論文 参考訳（メタデータ） (2022-03-27T14:25:52Z)
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。
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。