論文の概要: TruEye: Fine-Grained Detection of AI-Generated Human Subjects in Images
- arxiv url: http://arxiv.org/abs/2606.27505v1
- Date: Thu, 25 Jun 2026 19:38:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-29 18:24:25.298281
- Title: TruEye: Fine-Grained Detection of AI-Generated Human Subjects in Images
- Title（参考訳）: TruEye:画像中のAI生成した被験者の微粒化検出
- Abstract要約: TruEyeは、AI生成した人間とシーンのきめ細かい検出と位置決めのための新しいモデルである。
単一の認証ラベルを割り当てる従来の検出器とは異なり、TruEyeは5つの合成内容の合成カテゴリーを初めて識別する。
6つのデータセットと新たにキュレーションされたFineSynデータセットの実験により、TruEyeはより精度が高く、推論が高速で、AIが生成または操作された画像に対してより強力な一般化を実現していることがわかった。
- 参考スコア（独自算出の注目度）: 1.1828196961195336
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: AI generated images are proliferating across the Internet. While some are used for entertainment, others are weaponized for fraud and social engineering attacks on social media users. Existing detectors overfit to generators seen during training, treat detection as opaque binary classification, or rely on costly Large Language Models (LLMs) to explain their outputs. In this paper, we present TruEye, a novel model for fine grained detection and localization of AI manipulated or AI generated humans and scenes. Unlike conventional detectors that assign a single authenticity label, TruEye is the first to distinguish among five compositional categories of synthetic content, including the most challenging case in which a real human is composited into a real scene where they were never physically present. At its core is a mask conditioned dual stream transformer that separates human and scene tokens while preserving patch level spatial correspondence. Specialized reasoning within each stream and region gated cross attention enforce semantic coherence between subject and background, while token level supervision and global compositional classification yield robust, interpretable predictions without invoking an LLM. By restricting intra stream attention to semantically coherent tokens, TruEye also runs over $100\times$ faster than LLM based competitors. Experiments on 6 datasets and our newly curated FineSyn dataset, show that TruEye surpasses state of the art detectors with higher accuracy, faster inference, and stronger generalization to unseen AI generated or manipulated images.
- Abstract（参考訳）: AIが生成した画像はインターネット中に拡散している。
エンターテイメントに使用されるものもあれば、ソーシャルメディアユーザーに対する詐欺や社会工学的攻撃の武器として使われるものもある。
既存の検出器は、訓練中に見られるジェネレータに過度に適合し、検出を不透明なバイナリ分類として扱うか、あるいはその出力を説明するためにコストのかかる大規模言語モデル(LLM)に依存している。
本稿では、操作されたAIや生成されたAIの微粒化検出と位置決定のための新しいモデルであるTruEyeを提案する。
単一の認証ラベルを割り当てる従来の検出器とは異なり、TruEyeは5つの合成内容の合成カテゴリーを初めて区別する。
コアはマスク条件付きデュアルストリームトランスフォーマーで、パッチレベルの空間対応を維持しながら、人間とシーントークンを分離する。
各ストリームと領域内の特別な推論は、主題と背景のセマンティック・コヒーレンスを強制する一方、トークンレベルの監督とグローバルな構成分類は、LLMを呼び出すことなく、頑健で解釈可能な予測をもたらす。
ストリーム内の注意をセマンティックコヒーレントトークンに制限することにより、TruEyeはLLMベースの競合他社よりも100\times$以上高速に動作する。
6つのデータセットと新たにキュレーションされたFineSynデータセットの実験により、TrueEyeは最先端の検出器を超越し、精度が高く、推論が高速で、AIが生成または操作された画像に対するより強力な一般化を実現した。
関連論文リスト
- SSAFE: Simple and Strong AI-Generated Image Detection via Frozen Vision Encoders [61.07733730455141]
現代のマルチモーダル視覚表現において,画像の真正性に関する情報がどのように符号化されているかを検討する。
我々は,学習用代表生成器のコンパクトな集合を選択する表現対応型データキュレーション戦略を開発した。
実験により、凍結したマルチモーダル表現と慎重にキュレートされたトレーニングデータを組み合わせることで、AI生成画像検出に対するシンプルで効果的なアプローチが示される。
論文 参考訳（メタデータ） (2026-06-07T13:56:17Z) - Skyra: AI-Generated Video Detection via Grounded Artifact Reasoning [66.51617619673587]
AI生成ビデオにおける人間の知覚可能な視覚的アーティファクトを識別する,特殊な大規模言語モデル(MLLM)であるSkyraを紹介する。
この目的を達成するために、我々は、人間のアノテーションを微粒化した最初の大規模AI生成ビデオデータセットである、Supervised Fine-Tuning (SFT)のためのViF-CoT-4Kを構築した。
次に,モデルの時間的知覚,説明能力,検出精度を体系的に向上する2段階のトレーニング戦略を開発する。
論文 参考訳（メタデータ） (2025-12-17T18:48:26Z) - Learning Human-Perceived Fakeness in AI-Generated Videos via Multimodal LLMs [92.02382309654263]
DeeptraceRewardは、人間が認識した偽のトレースをビデオ生成報酬に注釈付けするベンチマークである。
データセットは、高品質な3.3ビデオにまたがる4.3Kの詳細なアノテーションで構成されている。
これらのアノテーションを9つの主要なディープフェイクトレースカテゴリに集約し、人間が動画をAI生成であると識別する。
論文 参考訳（メタデータ） (2025-09-26T17:59:54Z) - Diversity Boosts AI-Generated Text Detection [51.56484100374058]
DivEyeは、予備的な機能を使って、予測不可能がテキスト間でどのように変動するかをキャプチャする、新しいフレームワークである。
提案手法は、既存のゼロショット検出器を最大33.2%向上させ、微調整ベースラインとの競合性能を達成する。
論文 参考訳（メタデータ） (2025-09-23T10:21:22Z) - Bi-Level Optimization for Self-Supervised AI-Generated Face Detection [56.57881725223548]
両レベル最適化に基づくAI生成顔検出器の自己教師方式を提案する。
我々の検出器は、一級・二級の分類設定において、既存のアプローチよりも大幅に優れています。
論文 参考訳（メタデータ） (2025-07-30T16:38:29Z) - FakeScope: Large Multimodal Expert Model for Transparent AI-Generated Image Forensics [66.14786900470158]
本稿では,AIによる画像鑑定に適した専門家マルチモーダルモデル(LMM)であるFakeScopeを提案する。
FakeScopeはAI合成画像を高精度に識別し、リッチで解釈可能なクエリ駆動の法医学的な洞察を提供する。
FakeScopeは、クローズドエンドとオープンエンドの両方の法医学的シナリオで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） (2025-03-31T16:12:48Z) - Self-Supervised Learning for Detecting AI-Generated Faces as Anomalies [58.11545090128854]
本稿では、写真顔画像から純粋にカメラ固有の特徴と顔特有の特徴の自己教師付き学習を活用することで、AI生成顔の異常検出手法について述べる。
提案手法の成功は,特徴抽出器を訓練して4つの通常交換可能な画像ファイルフォーマット(EXIF)をランク付けし,人工的に操作された顔画像の分類を行うプリテキストタスクを設計することにある。
論文 参考訳（メタデータ） (2025-01-04T06:23:24Z) - Human vs. AI: A Novel Benchmark and a Comparative Study on the Detection of Generated Images and the Impact of Prompts [5.222694057785324]
本研究は,偽画像の検出性に対するプロンプトの細部レベルの影響について検討する。
私たちはCOCOデータセットの実際の写真とSDXLとFooocusで生成された画像からなる新しいデータセットCOCOXGENを作成します。
200人の被験者を対象に行ったユーザスタディでは,より長く,より詳細なプロンプトで生成された画像は,短いプロンプトで生成された画像よりもはるかに容易に検出できることが示されている。
論文 参考訳（メタデータ） (2024-12-12T20:37:52Z) - Vulnerabilities in AI-generated Image Detection: The Challenge of Adversarial Attacks [39.524974831780874]
FPBAはブラックボックス攻撃を成功させることができるので、敵攻撃はAIGI検出器にとって真の脅威であることを示す。
我々はこの手法を周波数ベースのポストトレインベイズアタック (FPBA) と呼ぶ。
論文 参考訳（メタデータ） (2024-07-30T14:07:17Z) - Development of a Dual-Input Neural Model for Detecting AI-Generated Imagery [0.0]
AI生成画像を検出するツールを開発することが重要である。
本稿では、画像とフーリエ周波数分解の両方を入力として扱うデュアルブランチニューラルネットワークアーキテクチャを提案する。
提案モデルでは,CIFAKEデータセットの精度が94%向上し,従来のML手法やCNNよりも優れていた。
論文 参考訳（メタデータ） (2024-06-19T16:42:04Z) - Fighting Deepfake by Exposing the Convolutional Traces on Images [0.0]
FACEAPPのようなモバイルアプリは、最も高度なGAN(Generative Adversarial Networks)を使用して、人間の顔写真に極端な変換を生成する。
この種のメディアオブジェクトはDeepfakeという名前を取って、マルチメディアの法医学分野における新たな課題であるDeepfake検出課題を提起した。
本稿では,画像からディープフェイク指紋を抽出する手法を提案する。
論文 参考訳（メタデータ） (2020-08-07T08:49:23Z)
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。