論文の概要: The Regularizing Power of Language-Training Deepfake Detectors

• arxiv url: http://arxiv.org/abs/2605.31192v1
• Date: Fri, 29 May 2026 12:01:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-01 20:56:50.585161
• Title: The Regularizing Power of Language-Training Deepfake Detectors
• Title（参考訳）: 言語学習型ディープフェイク検出器の正規化力
• Abstract要約: ディープフェイク検出は一般的に、低レベルのドメイン固有のアーティファクトへの過度な適合に悩まされる。 デュアルエンコーダアーキテクチャを使用し、凍結した特殊検出器とLoRA調整されたMLLMエンコーダをペアリングする。 我々は、モデルが分類する前に記述的推論を生成することを奨励する強化学習段階を採用している。
• 参考スコア（独自算出の注目度）: 57.529452351298495
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, thanks to the advent of Multimodal-LLMs, deepfake detectors are striving not only to be generalizable but also interpretable. We propose that these two challenges can effectively be tackled jointly, since describable artifacts typically generalize better, opening the possibility to use language as a regularization mechanism. Since deepfake detection generally suffers from overfitting to low-level domain-specific artifacts, our intuition is that an LLM that has been pretrained on language would prefer high-level artifacts that can be described better. This way, we can use high-level features where possible, while training the model to use low-level features where necessary. We utilize a dual-encoder architecture, pairing a frozen specialist detector with a LoRA-tuned MLLM encoder, and a two-stage training curriculum: first, a binary alignment phase demonstrates that the intrinsic capability of MLLMs can effectively combine features to mitigate overfitting to dataset-specific artifacts. To further bolster generalization and achieve interpretability, we employ a reinforcement learning stage that encourages the model to generate descriptive reasoning before classifying, using only binary labels. By rewarding this "explain-then-classify" behavior, we explicitly incentivize the model to prioritize high-level, robust features. Crucially, this process yields both interpretable descriptions and a further boost in cross-dataset performance, even when reasoning chains are omitted at inference. Extensive experiments on benchmark datasets validate our approach, outperforming state-of-the-art methods by a large margin.
• Abstract（参考訳）: 近年、マルチモーダルLLMの出現により、ディープフェイク検出器は一般化可能であるだけでなく、解釈可能であることを目指している。 記述可能なアーティファクトは一般的により一般化され、正規化メカニズムとして言語を使用する可能性が開ける。 ディープフェイク検出は一般的に、低レベルのドメイン固有のアーティファクトへの過度な適合に悩まされるので、言語で事前訓練されたLLMは、よりうまく記述できるハイレベルなアーティファクトを好むでしょう。 このようにして、高レベルの機能を可能な限り使用しつつ、低レベルの機能を必要に応じて使用できるようにモデルをトレーニングすることが可能になります。 まず、MLLMの本質的な能力は、データセット固有のアーティファクトへのオーバーフィットを効果的に軽減するために、機能を組み合わせることができることを実証する。 一般化をさらに促進し、解釈可能性を達成するために、二項ラベルのみを用いて、モデルが分類する前に記述的推論を生成することを奨励する強化学習段階を用いる。 振る舞いに報いることで、我々はモデルにハイレベルでロバストなフィーチャを優先させるインセンティブを明示的に与えます。 重要なことに、このプロセスは解釈可能な記述と、推論時に連鎖が省略された場合でも、クロスデータセットのパフォーマンスをさらに向上させる。 ベンチマークデータセットの大規模な実験は、我々のアプローチを検証し、最先端の手法を大きなマージンで上回ります。

関連論文リスト

• Deep Residual Injection for Full-Spectrum Forensic Signal Perception in Multimodal Large Language Models [51.099179436350376]
  マルチモーダルな大言語モデル(MLLM)は、その堅牢な意味理解のために、法医学においてますます採用されている。 本稿では,人工物固有の視覚信号を中間層に残路として注入しながら,初期意味処理を保存するためのDeep Visual Residual MLLM(Deep-VRM)を提案する。 これにより、後続のレイヤは意味論的推論と信号レベルの法医学的手がかりを共同でモデル化することができ、驚くべきことに、モデルが入力に応じて異なるレベルの法医学的信号を適応的に活用することを学ぶ。
  論文  参考訳（メタデータ） (2026-06-14T16:05:45Z)
• Reasoning-Aware AIGC Detection via Alignment and Reinforcement [55.09684020007737]
  REVEALは、分類の前に解釈可能な推論チェーンを生成するフレームワークである。 複数のベンチマークで最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2026-04-21T07:29:55Z)
• ICLAD: In-Context Learning with Comparison-Guidance for Audio Deepfake Detection [7.887913982488066]
  textbfIn-textbfContext textbfLearning パラダイムを,textbfAudio textbfDeepfake 検出のための比較ガイダンスとして導入する。 このフレームワークは、学習不要なディープフェイクの一般化にオーディオ言語モデル(ALM)を使用することができる。
  論文  参考訳（メタデータ） (2026-04-17T23:44:33Z)
• Revisiting Unknowns: Towards Effective and Efficient Open-Set Active Learning [32.530220943884665]
  Open-set Active Learning (OSAL) は、未ラベルデータに未確認のクラスが含まれている場合、アノテーションのための情報サンプルを特定することを目的としている。 本稿では,E$2$OAL(Effective and Efficient Open-set Active Learning)を提案する。 E$2$OALは、より強力な監視と信頼性の高いクエリの両方のためにラベル付き未知をフル活用する。
  論文  参考訳（メタデータ） (2026-03-09T02:35:36Z)
• Deepfake Detection that Generalizes Across Benchmarks [48.85953407706351]
  ディープフェイク検出器の非表示操作技術への一般化は、実用的展開の課題である。 この研究は、基礎となる事前学習された視覚エンコーダのパラメータ効率適応により、ロバストな一般化が達成可能であることを示す。 提案手法は、平均的クロスデータセットAUROCにおける、より複雑な、最新のアプローチよりも優れた、最先端の性能を実現する。
  論文  参考訳（メタデータ） (2025-08-08T12:03:56Z)
• X2-DFD: A framework for eXplainable and eXtendable Deepfake Detection [55.77552681618732]
  X2-DFDは、eXplainableおよびeXtendableフレームワークであり、ディープフェイク検出のためのマルチモーダルな多言語モデル(MLLM)に基づいている。 最初の段階であるモデル特徴評価は、MLLMの偽造関係の特徴の検出可能性を体系的に評価する。 2番目のステージであるExplainable dataset Constructionは、Strong Feature StrengtheningとWeak Feature Supplementingの2つの重要なモジュールで構成されている。 3番目のステージであるファインチューニングと推論では、構築されたデータセット上でMLLMを微調整し、最終的な検出と説明のためにデプロイする。
  論文  参考訳（メタデータ） (2024-10-08T15:28:33Z)
• Conditional Prototype Rectification Prompt Learning [32.533844163120875]
  本稿では, 基本事例のバイアスを補正し, 限られたデータを効果的に拡張するための, CPR(Prototype Rectification Prompt Learning)手法を提案する。 CPRは、いくつかのショット分類とベース・ツー・ニューな一般化タスクの両方において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） (2024-04-15T15:43:52Z)
• Bidirectional Trained Tree-Structured Decoder for Handwritten Mathematical Expression Recognition [51.66383337087724]
  Handwriting Mathematical Expression Recognition (HMER) タスクは、OCRの分野における重要な分岐である。 近年の研究では、双方向コンテキスト情報の導入により、HMERモデルの性能が大幅に向上することが示されている。 本稿では,MF-SLT と双方向非同期トレーニング (BAT) 構造を提案する。
  論文  参考訳（メタデータ） (2023-12-31T09:24:21Z)
• Slot Induction via Pre-trained Language Model Probing and Multi-level Contrastive Learning [62.839109775887025]
  トークンレベルのスロットアノテーションの明示的な知識なしでスロット境界を誘導することを目的としたスロットインジェクション(SI)タスク。 PLMから抽出した教師なし意味知識を活用するために、教師なし事前学習言語モデル(PLM)探索とコントラスト学習機構を活用することを提案する。 提案手法は,2つのNLUベンチマークデータセット上でトークンレベルの教師付きモデルとのギャップを埋めることができ,SIタスクに有効であることが示されている。
  論文  参考訳（メタデータ） (2023-08-09T05:08:57Z)

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。