論文の概要: Trustworthy Image Authentication using Forensic Knowledge Graphs
- arxiv url: http://arxiv.org/abs/2606.23917v1
- Date: Mon, 22 Jun 2026 20:29:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-24 22:16:48.683699
- Title: Trustworthy Image Authentication using Forensic Knowledge Graphs
- Title（参考訳）: 法医学知識グラフを用いた信頼できる画像認証
- Authors: Tai D. Nguyen, Matthew C. Stamm,
- Abstract要約: 本稿では, 法医学的証拠抽出, 構造化推論, 人間の解釈可能な説明を統合する統一的な枠組みである, 法科学的知識グラフ(FKG)を提案する。
我々のFKG構造は、それらの因果関係やシーンコンテンツへのリンクとともに、法医学的トレースを符号化する。
提案するFKG-50Kは,FKGを接地した5万個の現実的偽造のデータセットである。
- 参考スコア（独自算出の注目度）: 17.042589196506135
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Advances in generative AI have made image falsification highly realistic, demanding trustworthy authentication systems. Existing forensic detectors can target certain forgery types but lack interpretability, while vision-language models (VLMs) provide explanations but cannot exploit forensic traces for reliable detection. We propose Forensic Knowledge Graphs (FKGs), a unified framework that integrates forensic evidence extraction, structured reasoning, and human-interpretable explanation. Our FKG structure encodes forensic traces along with their causal dependencies and links to scene content. To generate accurate FKGs, we introduce a novel forensic authentication network and an Iterative Context Refinement strategy that guides VLMs to produce faithful, grounded explanations. We also present FKG-50K, a dataset of 50,000 realistic forgeries with ground-truth FKGs. Experiments demonstrate that FKG outperforms both forensic detectors and VLMs in detection, forgery identification and localization, and forensic justification.
- Abstract（参考訳）: 生成AIの進歩は、画像のファルシフィケーションを極めて現実的で、信頼できる認証システムを必要としている。
既存の法医学的検知器は特定の偽造型を狙うことができるが、解釈可能性に欠けるが、視覚言語モデル(VLM)は説明を提供するが、信頼できる検出のために法医学的トレースを利用することはできない。
本稿では, 法医学的証拠抽出, 構造化推論, 人間の解釈可能な説明を統合する統一的な枠組みである, 法科学的知識グラフ(FKG)を提案する。
我々のFKG構造は、それらの因果関係やシーンコンテンツへのリンクとともに、法医学的トレースを符号化する。
正確なFKGを生成するために,新しい法医学的認証ネットワークと,VLMを誘導して忠実で根拠のある説明を生成する反復的コンテキストリファインメント戦略を導入する。
また,FKG-50Kは,FKGを接地した5万個の現実的な偽造品のデータセットである。
実験により、FKGは法医学的検知器とVLMの両方で、検出、偽鑑定と局所化、および法医学的正当化において優れていることが示された。
関連論文リスト
- ForensicsTok: Forensics-Guided Tokenized Modeling for Image Tampering Localization [31.83661814822312]
本稿では,自動回帰シーケンス生成タスクとして画像操作のローカライゼーションを再構成するForensicsTokを提案する。
ForensicsTokは空間的に接地されたトークンシーケンスを直接生成し、中間管理なしで正確なマスク予測を可能にする。
論文 参考訳（メタデータ） (2026-06-23T13:06:18Z) - ForensicConcept: Transferable Forensic Concepts for AIGI Detection [81.29606528968698]
本稿では,検出器から明示的な法医学的概念を抽出し,背骨間の移動を可能にするフレームワークであるForensicConceptを提案する。
提案手法は,Transformer Attributionを用いて決定クリティカルパッチをローカライズし,それらをコンパクトな概念コードブックにまとめる。
論文 参考訳（メタデータ） (2026-06-05T08:25:34Z) - Attribution-Guided Multimodal Deepfake Detection via Cross-Modal Forensic Fingerprints [4.598350938853635]
ビデオの偽造方法を特定することができない検出器は、間違ったシグナルを学習している可能性が高い、と私たちは主張する。
二分検出とは異なり、帰属誘導学習は共有埋め込み空間に強い幾何学的制約を課す。
本稿では,属性検出と属性抽出を共同で学習する属性誘導型マルチモーダルディープフェイク検出フレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-29T09:11:13Z) - Evaluating the Reliability of Digital Forensic Evidence Discovered by Large Language Model: A Case Study [1.7102309907119588]
本稿では,法医学的アーティファクト抽出の自動化,大規模言語モデル (LLM) 解析によるデータの洗練,およびDigital Forensic Knowledge Graph (DFKG) を用いた結果の検証を行う構造化フレームワークを提案する。
61のアプリケーション、2,864のデータベース、5,870のテーブルを含む13GBの法医学画像データセットで評価した。
ケーススタディでは、フレームワークの有効性、アーティファクト抽出における95%以上の精度、チェーン・オブ・カストディの強い支持、法医学的関係における堅牢な文脈整合性を示す。
論文 参考訳（メタデータ） (2026-02-22T18:20:49Z) - REVEAL: Reasoning-enhanced Forensic Evidence Analysis for Explainable AI-generated Image Detection [30.963994372913092]
我々は、AI生成画像検出のための最初の推論強化マルチモーダルベンチマークである textbfREVEAL-Bench を紹介する。
筆者らのフレームワークは,検出を専門家による新しい強化学習と統合する。
REVEALは検出精度、説明忠実度、堅牢なクロスモデル一般化を著しく向上させる。
論文 参考訳（メタデータ） (2025-11-28T13:11:08Z) - Semantic Visual Anomaly Detection and Reasoning in AI-Generated Images [96.43608872116347]
AnomReasonは4倍のtextbfAnomAgentのような構造化アノテーションを備えた大規模ベンチマーク
AnomReasonとAnomAgentは、AI生成画像の意味的妥当性の測定と改善の基盤となっている。
論文 参考訳（メタデータ） (2025-10-11T14:09:24Z) - 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) - Deepfake Forensic Analysis: Source Dataset Attribution and Legal Implications of Synthetic Media Manipulation [5.764826667785188]
Generative Adrial Networks (GANs) が生成する合成メディアは、認証の検証とデータセットの起源のトレースに課題を提起する。
本稿では,GAN生成画像のトレーニングデータセット(例えば CelebA や FFHQ)を解釈可能な特徴解析により識別する新しい法医学的枠組みを提案する。
論文 参考訳（メタデータ） (2025-05-16T10:47:18Z) - 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) - Forensicability Assessment of Questioned Images in Recapturing Detection [78.45849869266834]
質問されたサンプルの鑑定可能性の定量化のための鑑定可能性評価ネットワークを提案する。
低フォレンシビリティサンプルは、実際の再適応検出プロセスの前に拒絶され、再適応システムの効率が向上する。
我々は、トレーニングされたFANetと、アンチ・スプーフィングと再適応された文書検出タスクの実践的な再適応検出スキームを統合する。
論文 参考訳（メタデータ） (2022-09-05T12:26:01Z) - A Principled Design of Image Representation: Towards Forensic Tasks [75.40968680537544]
本稿では, 理論, 実装, 応用の観点から, 法科学指向の画像表現を別の問題として検討する。
理論レベルでは、Dense Invariant Representation (DIR)と呼ばれる、数学的保証を伴う安定した記述を特徴とする、新しい法医学の表現フレームワークを提案する。
本稿では, ドメインパターンの検出とマッチング実験について, 最先端の記述子との比較結果を提供する。
論文 参考訳（メタデータ） (2022-03-02T07:46:52Z)
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。