Fugu-MT 論文翻訳(概要): FiSeR: Fine-Grained Source Representations for Cross-Domain AI Image Detection

論文の概要: FiSeR: Fine-Grained Source Representations for Cross-Domain AI Image Detection

arxiv url: http://arxiv.org/abs/2606.00606v1
Date: Sat, 30 May 2026 08:08:27 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-02 21:34:28.545099
Title: FiSeR: Fine-Grained Source Representations for Cross-Domain AI Image Detection
Title（参考訳）: FiSeR: クロスドメインAI画像検出のための細粒度ソース表現
Abstract要約: 自然と合成の機能は、未確認のデータセットでは部分的に分離可能であるが、パフォーマンスは依然として低下している。自然画像と合成画像の分離性を向上する階層的コントラスト学習フレームワークを提案する。提案手法は,Chameleon,AIGIBench,Community Forensics,GenImageに対するドメイン横断評価において,平均AUROCの+10.22のゲインを達成している。
参考スコア（独自算出の注目度）: 10.939587278152468
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Real-world synthetic image detectors often generalize poorly under domain shift despite strong in-domain performance. Using unsupervised UMAP projections, we find that natural and synthetic features remain partially separable on unseen datasets, yet performance still drops, suggesting that the classification head overfits to training-domain artifacts. Therefore, the key is to learn more transferable representations so that the decision criterion is more stable and robust to domain shifts. Based on the structural fact that synthetic images are produced by diverse generators, we propose a hierarchical contrastive learning framework that improves the separability between natural and synthetic images while preserving generator identity information. It jointly optimizes (i) a coarse contrastive objective between natural and synthetic images and (ii) a fine contrastive objective among synthetic images using generator identities. Trained on WildFake, our method achieves an average AUROC gain of +10.22 on cross-domain evaluation over Chameleon, AIGIBench, Community Forensics, and GenImage under the same settings as the strong baseline DIRE. For few-shot adaptation, we freeze the backbone and fit an SVM head on 10 labeled samples per class, improving AUROC by +10.64 on AIGIBench and +17.41 on Chameleon, averaged over 12 widely used detectors. Our code is publicly available at: https://github.com/heyongxin233/FiSeR.
Abstract（参考訳）: 実世界の合成画像検出器は、ドメイン内性能が強いにもかかわらず、ドメインシフト下ではよく一般化される。教師なしのUMAPプロジェクションを用いて、自然特徴と合成特徴は、未確認のデータセットでは部分的に分離可能であるが、性能は低下し、分類ヘッドは、訓練済みのアーティファクトに過度に適合していることを示す。したがって、決定基準がより安定で、ドメインシフトに対して堅牢になるように、より伝達可能な表現を学ぶことが鍵となる。合成画像が多様な生成元によって生成されるという構造的事実に基づいて,生成元識別情報を保存しながら,自然画像と合成画像の分離性を向上する階層的コントラスト学習フレームワークを提案する。共同で最適化する一自然画像と合成画像との粗い対比目的 (II) 生成素の同定による合成画像のコントラストに優れる。提案手法はWildFakeを用いて,Chameleon,AIGIBench,Community Forensics,GenImageのクロスドメイン評価において,強いベースラインDIREと同じ条件下で平均+10.22のAUROCゲインを達成する。数発の適応のために、バックボーンを凍結し、SVMヘッドをクラス毎に10個のラベル付きサンプルに適合させ、AIGIBenchではAUROCを+10.64、Chameleonでは+17.41、そして12以上の広く使われている検出器では+17.41を改善した。私たちのコードは、https://github.com/heyongxin233/FiSeR.comで公開されています。

関連論文リスト

FUSED: Forensic-Semantic Mixture-of-Experts for AI Inpainting Detection and Localization [14.056602265859645]
拡散ベースの塗装モデルは、画像の局所的な部分だけを変更する。多くのAIイメージ検出器は、グローバルアーティファクトに依存し、ローカライズしない。 FUSEDは,AIによるインペイントの同時検出と局所化のための統合フレームワークである。
論文参考訳（メタデータ） (2026-08-28T13:05:43Z)
Multi-Objective Optimization for Synthetic-to-Real Style Transfer [4.405170201880593]
本研究では, パイプライン評価の迅速化を図るため, 個々の画像サンプルに対するペア画像メトリクスの利用について検討する。本手法は,合成-実領域適応における標準データセットに適用する。その結果、進化的アルゴリズムは様々な目的に適応した多様な拡張パイプラインを提案できることを示した。
論文参考訳（メタデータ） (2026-02-03T15:14:23Z)
CO-SPY: Combining Semantic and Pixel Features to Detect Synthetic Images by AI [58.35348718345307]
実際の画像とAI生成画像を区別する現在の取り組みには、一般化が欠如している可能性がある。既存のセマンティック機能を強化した新しいフレームワークCo-Spyを提案する。また、5つの実画像データセットと22の最先端生成モデルからなる包括的データセットであるCo-Spy-Benchを作成します。
論文参考訳（メタデータ） (2025-03-24T01:59:29Z)
Leveraging Representations from Intermediate Encoder-blocks for Synthetic Image Detection [13.840950434728533]
SID(State-of-the-art Synthetic Image Detection)研究は、基礎モデルからの特徴抽出の利点を強く証明している。軽量ネットワークを介してCLIPの画像エンコーダの中間トランスフォーマーブロックから抽出した画像表現を利用する。本手法は,20個のテストデータセットで評価し,平均+10.6%の絶対性能向上を示すことにより,最先端の手法と比較した。
論文参考訳（メタデータ） (2024-02-29T12:18:43Z)
Zero-shot Generative Model Adaptation via Image-specific Prompt Learning [41.344908073632986]
CLIP誘導画像合成は、トレーニング済みのソースドメインジェネレータを未確認のターゲットドメインに適応する上で、魅力的な性能を示している。本稿では,各ソース領域の画像に対して,特定のプロンプトベクトルを学習する画像固有プロンプト学習(IPL)手法を提案する。 IPLは、合成画像の品質と多様性を効果的に改善し、モード崩壊を軽減する。
論文参考訳（メタデータ） (2023-04-06T14:48:13Z)
Cap2Aug: Caption guided Image to Image data Augmentation [41.53127698828463]
Cap2Augは、画像キャプションをテキストプロンプトとして使用する画像から画像への拡散モデルに基づくデータ拡張戦略である。限られた訓練画像からキャプションを生成し,これらのキャプションを用いて画像間安定拡散モデルを用いてトレーニング画像を編集する。この戦略は、トレーニング画像に似た画像の拡張バージョンを生成するが、サンプル全体にわたって意味的な多様性を提供する。
論文参考訳（メタデータ） (2022-12-11T04:37:43Z)
Traditional Classification Neural Networks are Good Generators: They are Competitive with DDPMs and GANs [104.72108627191041]
従来のニューラルネットワーク分類器は、最先端の生成モデルに匹敵する高品質な画像を生成することができることを示す。マスクをベースとした再構成モジュールを提案し, 意味的勾配を意識し, 可視画像の合成を行う。また,本手法は,画像テキスト基盤モデルに関して,テキスト・画像生成にも適用可能であることを示す。
論文参考訳（メタデータ） (2022-11-27T11:25:35Z)
A Shared Representation for Photorealistic Driving Simulators [83.5985178314263]
本稿では、識別器アーキテクチャを再考することにより、生成画像の品質を向上させることを提案する。シーンセグメンテーションマップや人体ポーズといったセマンティックインプットによって画像が生成されるという問題に焦点が当てられている。我々は,意味的セグメンテーション,コンテンツ再構成,および粗い粒度の逆解析を行うのに十分な情報をエンコードする,共有潜在表現を学習することを目指している。
論文参考訳（メタデータ） (2021-12-09T18:59:21Z)
Ensembling with Deep Generative Views [72.70801582346344]
生成モデルは、色やポーズの変化などの現実世界の変動を模倣する人工画像の「ビュー」を合成することができる。そこで本研究では, 画像分類などの下流解析作業において, 実画像に適用できるかどうかを検討する。 StyleGAN2を再生増強の源として使用し、顔の属性、猫の顔、車を含む分類タスクについてこの設定を調査します。
論文参考訳（メタデータ） (2021-04-29T17:58:35Z)
You Only Need Adversarial Supervision for Semantic Image Synthesis [84.83711654797342]
我々は,高品質な結果を得るためには敵対的監督のみを必要とする,新しい簡易ganモデルを提案する。本モデルによって合成された画像はより多様であり,実画像の色やテクスチャに密接に従っている。
論文参考訳（メタデータ） (2020-12-08T23:00:48Z)
Image Fine-grained Inpainting [89.17316318927621]
拡張畳み込みの密結合を利用してより大きく効果的な受容場を得る一段階モデルを提案する。この効率的なジェネレータをよく訓練するために、頻繁に使用されるVGG特徴整合損失を除いて、新しい自己誘導回帰損失を設計する。また、局所的・グローバルな分枝を持つ識別器を用いて、局所的・グローバルな内容の整合性を確保する。
論文参考訳（メタデータ） (2020-02-07T03:45:25Z)

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。