論文の概要: FRAME: Forensic Routing and Adaptive Multi-path Evidence Fusion for Image Manipulation Detection

• arxiv url: http://arxiv.org/abs/2605.12826v1
• Date: Tue, 12 May 2026 23:48:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-14 23:30:27.728636
• Title: FRAME: Forensic Routing and Adaptive Multi-path Evidence Fusion for Image Manipulation Detection
• Title（参考訳）: FRAME:画像操作検出のための法則ルーティングと適応型マルチパスエビデンス融合
• Abstract要約: textbfForensic textbfRouting と textbfAdaptive textbfMulti-path textbfEvidence fusion の手法である textbfFRAME を提案する。 FRAMEは多様な法医学的アルゴリズムを多経路解析空間に整理し、各入力画像に対する情報的法医学的パスを適応的に選択し、補完的な証拠を融合して検出とローカライゼーション性能を向上させる。
• 参考スコア（独自算出の注目度）: 3.9783598254756023
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The proliferation of sophisticated image editing tools and generative artificial intelligence models has made verifying the authenticity of digital images increasingly challenging, with important implications for journalism, forensic analysis, and public trust. Although numerous forensic algorithms, ranging from handcrafted methods to deep learning-based detectors, have been developed for manipulation detection, individual methods often suffer from limited robustness, fragmented evidence, or weak generalization across manipulation types and image conditions. To address these limitations, we present \textbf{FRAME}, a method for \textbf{F}orensic \textbf{R}outing and \textbf{A}daptive \textbf{M}ulti-path \textbf{E}vidence fusion for image manipulation detection. FRAME organizes diverse forensic algorithms into a multi-path analysis space, adaptively selects informative forensic paths for each input image, and fuses complementary evidence to improve detection and localization performance. By moving beyond single-method analysis and fixed fusion strategies, FRAME provides a more robust and flexible approach to image forensic reasoning while preserving interpretable forensic cues from multiple evidence sources. Experimental results demonstrate the effectiveness of FRAME across diverse manipulation scenarios. Code is available at \href{https://github.com/kzhao5/FRAME}{https://github.com/kzhao5/FRAME}.
• Abstract（参考訳）: 高度な画像編集ツールと生成人工知能モデルの普及により、ジャーナリズム、法科学分析、公的な信頼に重要な意味を持つデジタル画像の真正性を検証することがますます困難になっている。 手作りの手法から深層学習に基づく検出器まで、多くの法医学的アルゴリズムが操作検出のために開発されたが、個々の手法は多くの場合、限られた堅牢性、断片化された証拠、あるいは操作タイプや画像条件をまたいだ弱い一般化に悩まされている。 これらの制限に対処するために、画像操作検出のための \textbf{F}orensic \textbf{R}outing と \textbf{A}daptive \textbf{M}ulti-path \textbf{E}vidence fusion の方法である \textbf{FRAME} を提案する。 FRAMEは多様な法学アルゴリズムを多経路解析空間に整理し、各入力画像に対する情報的法学パスを適応的に選択し、補完的な証拠を融合して検出とローカライゼーション性能を向上させる。 FRAMEは、単メソッド分析や固定核融合戦略を超えて、複数の証拠源から解釈可能な法医学的手がかりを保存しながら、画像の法医学的推論に対してより堅牢で柔軟なアプローチを提供する。 実験の結果,様々な操作シナリオにおけるFRAMEの有効性が示された。 コードは \href{https://github.com/kzhao5/FRAME}{https://github.com/kzhao5/FRAME} で公開されている。

関連論文リスト

• Multi-axis Analysis of Image Manipulation Localization [29.967054752383607]
  操作された画像は誤報を広め、虚偽の物語を作り、重要な問題について人々の意見に影響を与える可能性がある。 領域シフト, qualIty, Type, Size (AUDITS) に基づく解析を導入し, 画像検出における解析の軸について検討する。 AUDITSは2つの異なるソース(ユーザーとニュース写真)から530万以上の画像で構成されている
  論文  参考訳（メタデータ） (2026-05-19T17:54:33Z)
• Reduce the Artifacts Bias for More Generalizable AI-Generated Image Detection [34.37666528689241]
  一般的な戦略は、拡散法において顕著な結果を示す、VAEやDDIMといった再構成技術を採用することである。 コンテンツ,サイズ,フォーマットアライメントを保存しながら,GAN生成した偽パターンを模倣するGANに基づくアップサンプリング手法を提案する。 まず、凍結した基礎モデル上でLoRA適応を用いてドメイン固有の専門家を訓練し、その後、専門家の特徴を適応的に組み合わせるために、ゲーティングネットワークと疎結合の融合を行う。
  論文  参考訳（メタデータ） (2026-05-14T07:26:36Z)
• ManipShield: A Unified Framework for Image Manipulation Detection, Localization and Explanation [81.52606410224136]
  画像操作検出と局所化のための大規模ベンチマークである textbfManipBench を提案する。 また,マルチモーダル大言語モデル(MLLM)に基づくオールインワンモデルであるtextbfManipShieldを提案する。
  論文  参考訳（メタデータ） (2025-11-18T08:50:17Z)
• 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)
• 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)
• EditScout: Locating Forged Regions from Diffusion-based Edited Images with Multimodal LLM [50.054404519821745]
  本稿では,多モーダル大規模言語モデルを統合した新しいフレームワークを提案する。 我々のフレームワークはMagicBrush、AutoSplice、PerfBrushデータセットの有望な結果を達成する。 特に,本手法は,これまで目に見えなかった種類の編集を特徴とする自己構築型テストセットであるPerfBrushデータセットを最適化する。
  論文  参考訳（メタデータ） (2024-12-05T02:05:33Z)
• FakeShield: Explainable Image Forgery Detection and Localization via Multi-modal Large Language Models [16.737419222106308]
  FakeShieldは、画像の信頼性を評価し、改ざんされた領域マスクを生成し、画素レベルおよび画像レベルの改ざんヒントに基づいた判断基準を提供するフレームワークである。 実験では、FakeShieldは様々な改ざん手法を効果的に検出し、ローカライズし、従来のIFDL法と比較して説明可能で優れた解を提供する。
  論文  参考訳（メタデータ） (2024-10-03T17:59:34Z)
• Towards General Visual-Linguistic Face Forgery Detection [95.73987327101143]
  ディープフェイクは現実的な顔操作であり、セキュリティ、プライバシー、信頼に深刻な脅威をもたらす可能性がある。 既存の方法は、このタスクを、デジタルラベルまたはマスク信号を使用して検出モデルをトレーニングするバイナリ分類として扱う。 本稿では, 微粒な文レベルのプロンプトをアノテーションとして用いた, VLFFD (Visual-Linguistic Face Forgery Detection) という新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2023-07-31T10:22:33Z)
• MMNet: Multi-Collaboration and Multi-Supervision Network for Sequential Deepfake Detection [81.59191603867586]
  シークエンシャルディープフェイク検出は、回復のための正しいシーケンスで偽の顔領域を特定することを目的としている。 偽画像の復元には、逆変換を実装するための操作モデルの知識が必要である。 顔画像の空間スケールや逐次順列化を扱うマルチコラボレーション・マルチスーパービジョンネットワーク(MMNet)を提案する。
  論文  参考訳（メタデータ） (2023-07-06T02:32:08Z)
• ObjectFormer for Image Manipulation Detection and Localization [118.89882740099137]
  画像操作の検出とローカライズを行うObjectFormerを提案する。 画像の高周波特徴を抽出し,マルチモーダルパッチの埋め込みとしてRGB特徴と組み合わせる。 各種データセットについて広範な実験を行い,提案手法の有効性を検証した。
  論文  参考訳（メタデータ） (2022-03-28T12:27:34Z)
• MEG: Multi-Evidence GNN for Multimodal Semantic Forensics [28.12652559292884]
  フェイクニュースは、画像、テキスト、位置などのモダリティを横断するセマンティックな操作を伴うことが多い。 近年の研究では、画像の再利用という問題に焦点が当てられている。 マルチモーダル・セマンティック・フォサイシクスのための新しいグラフニューラルネットワークモデルを提案する。
  論文  参考訳（メタデータ） (2020-11-23T09:01:28Z)
• Adversarial Attack on Deep Learning-Based Splice Localization [14.669890331986794]
  画像の操作を隠蔽する3つの非エンドツーエンドのディープラーニングベースのスプライスローカライズツールを,新たなアルゴリズムを用いて実証する。 生成した対向的摂動は, 局部化性能の劣化に関して, それら間で伝達可能であることが判明した。
  論文  参考訳（メタデータ） (2020-04-17T20:31:38Z)
• Learning Transformation-Aware Embeddings for Image Forensics [15.484408315588569]
  Image Provenance Analysisは、コンテンツを共有するさまざまな操作されたイメージバージョン間の関係を見つけることを目的としている。 証明分析のための主要なサブプロブレムの1つは、完全なコンテンツを共有したり、ほぼ重複している画像の編集順序である。 本稿では,1つの画像から生成した画像に対して,変換を通じて妥当な順序付けを行うための,新しい深層学習に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2020-01-13T22:01:24Z)

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。