論文の概要: Minimalist Preprocessing Approach for Image Synthesis Detection

• arxiv url: http://arxiv.org/abs/2606.25297v1
• Date: Wed, 24 Jun 2026 01:59:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 17:05:30.186716
• Title: Minimalist Preprocessing Approach for Image Synthesis Detection
• Title（参考訳）: 画像合成検出のためのミニマリスト前処理手法
• Abstract要約: 傾斜度を計算し,隣接する画素間の画素変動を簡易かつ効率的に検出する手法を提案する。 このアプローチはハイパスフィルタとして機能し、色の影響を最小限に抑えながら、正確な画像区別のための重要な特徴を強調している。 スマートフォンなどのローエンドデバイスへのデプロイに適している。
• 参考スコア（独自算出の注目度）: 3.8101824866013523
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Generative models have significantly advanced image generation, resulting in synthesized images that are increasingly indistinguishable from authentic ones. However, the creation of fake images with malicious intent is a growing concern. Low-configured smart devices have become highly popular, making it easier for deceptive images to reach users. Consequently, the demand for effective detection methods is increasingly urgent. In this paper, we introduce a simple yet efficient method that captures pixel fluctuations between neighboring pixels by calculating the gradient, which highlights variations in grayscale intensity. This approach functions as a high-pass filter, emphasizing key features for accurate image distinction while minimizing color influence. Our experiments on multiple datasets demonstrate that our method achieves accuracy levels comparable to state-of-the-art techniques while requiring minimal computational resources. Therefore, it is suitable for deployment on low-end devices such as smartphones. The code is available at https://github.com/vohoaidanh/adof.
• Abstract（参考訳）: 生成モデルは画像生成が著しく進歩し、結果として合成された画像は、本物とはますます区別できないものとなる。 しかし、悪意のある意図を持った偽画像の作成が懸念されている。 低構成のスマートデバイスは非常に人気があり、偽画像がユーザに届きやすくなっている。 その結果, 有効検出手法の需要はますます高まっている。 本稿では,グレースケール強度の変動に着目した勾配計算により,隣接する画素間の画素変動を簡易かつ効率的に検出する手法を提案する。 このアプローチはハイパスフィルタとして機能し、色の影響を最小限に抑えながら、正確な画像区別のための重要な特徴を強調している。 複数のデータセットに対する実験により,本手法は最小限の計算資源を必要としながら,最先端技術に匹敵する精度を達成できることを示した。 したがって、スマートフォンなどのローエンドデバイスへの展開に適している。 コードはhttps://github.com/vohoaidanh/adof.comで公開されている。

関連論文リスト

• Intermediate Representations are Strong AI-Generated Image Detectors [51.7378156094049]
  中間層にデータ感度を埋め込んでAI生成画像を検出する検索手法を提案する。 提案手法は, 実画像とAI生成画像の集合を考慮し, 原画像の埋め込みと摂動画像の埋め込みの類似性を調べ, 類似性に基づいてAI生成画像を検出する。 本手法は,Forensics Smallベンチマークにおいて,AUROCスコアの最良のトレーニングベース手法と比較して39.61%向上し,5.14%向上した。
  論文  参考訳（メタデータ） (2026-05-05T23:26:02Z)
• LOTA: Bit-Planes Guided AI-Generated Image Detection [25.736743931612565]
  GANとDiffusionのモデルでは、AI生成画像と実際の画像との区別がより困難になる。 ノイズの多い画像生成を誘導する有効なビットプレーンを導入し、様々な画像正規化戦略を活用する。 本手法は, GAN から Diffusion への98.2% 以上, Diffusion から GAN への99.2% 以上の精度を実現する。
  論文  参考訳（メタデータ） (2025-10-16T02:12:49Z)
• AngularFuse: A Closer Look at Angle-based Perception for Spatial-Sensitive Multi-Modality Image Fusion [54.84069863008752]
  本稿では,空間感性画像融合(AngularFuse)のための角度に基づく知覚フレームワークを提案する。 ラプラシアンエッジエンハンスメントと適応ヒストグラムを組み合わせることで、よりリッチなディテールとよりバランスの取れた明るさで参照画像を生成する。 MSRS、RoadScene、M3FDのパブリックデータセットの実験は、AngularFuseが既存の主流メソッドよりも明確なマージンで優れていることを示している。
  論文  参考訳（メタデータ） (2025-10-14T08:13:15Z)
• 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)
• Fast constrained sampling in pre-trained diffusion models [80.99262780028015]
  任意の制約下で高速で高品質な生成を可能にするアルゴリズムを提案する。 我々の手法は、最先端のトレーニングフリー推論手法に匹敵するか、超越した結果をもたらす。
  論文  参考訳（メタデータ） (2024-10-24T14:52:38Z)
• Zero-Shot Detection of AI-Generated Images [54.01282123570917]
  AI生成画像を検出するゼロショットエントロピー検出器(ZED)を提案する。 機械によるテキスト検出の最近の研究に触発された私たちのアイデアは、分析対象の画像が実際の画像のモデルと比較してどれだけ驚くかを測定することである。 ZEDは精度の点でSoTAよりも平均3%以上改善されている。
  論文  参考訳（メタデータ） (2024-09-24T08:46:13Z)
• Deep Image Fingerprint: Towards Low Budget Synthetic Image Detection and Model Lineage Analysis [8.777277201807351]
  本研究では,実際の画像と区別できない画像の新たな検出方法を提案する。 本手法は、既知の生成モデルから画像を検出し、微調整された生成モデル間の関係を確立することができる。 本手法は,Stable Diffusion とMidversa が生成した画像に対して,最先端の事前学習検出手法に匹敵する性能を実現する。
  論文  参考訳（メタデータ） (2023-03-19T20:31:38Z)
• Adversarial examples by perturbing high-level features in intermediate decoder layers [0.0]
  画素を摂動する代わりに、入力画像のエンコーダ-デコーダ表現とデコーダの中間層を摂動する。 我々の摂動は、より長いくちばしや緑のくちばしのような意味的な意味を持っている。 本手法は,敵の攻撃に対して,敵の訓練に基づく防御技術が脆弱であることを示す。
  論文  参考訳（メタデータ） (2021-10-14T07:08:15Z)
• Contextual colorization and denoising for low-light ultra high resolution sequences [0.0]
  低光度画像のシーケンスは、通常、非一貫性のノイズ、フリック、オブジェクトや動くオブジェクトのぼやけに苦しむ。 我々はこれらの問題に,同時着色と着色を同時に行う未経験学習手法で対処する。 提案手法は,主観的品質の観点から既存手法よりも優れており,輝度レベルや雑音の変動に頑健であることを示す。
  論文  参考訳（メタデータ） (2021-01-05T15:35:29Z)
• High-Resolution Image Inpainting with Iterative Confidence Feedback and Guided Upsampling [122.06593036862611]
  既存の画像塗装法は、実アプリケーションで大きな穴を扱う際に、しばしばアーティファクトを生成する。 本稿では,フィードバック機構を備えた反復インペイント手法を提案する。 実験により,本手法は定量評価と定性評価の両方において既存手法よりも有意に優れていた。
  論文  参考訳（メタデータ） (2020-05-24T13:23:45Z)
• Burst Denoising of Dark Images [19.85860245798819]
  超暗い生画像からクリーンでカラフルなRGB画像を得るためのディープラーニングフレームワークを提案する。 我々のフレームワークのバックボーンは、プログレッシブな方法で高品質な出力を生成する新しい粗いネットワークアーキテクチャである。 実験により,提案手法は最先端の手法よりも知覚的により満足な結果をもたらすことが示された。
  論文  参考訳（メタデータ） (2020-03-17T17:17:36Z)

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。