論文の概要: Generalized Synthetic Image Detection with Enhanced RGB-Noise Representation Learning
- arxiv url: http://arxiv.org/abs/2607.06354v1
- Date: Tue, 07 Jul 2026 14:52:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-08 21:24:51.558953
- Title: Generalized Synthetic Image Detection with Enhanced RGB-Noise Representation Learning
- Title（参考訳）: 拡張RGB雑音表現学習による一般化合成画像検出
- Abstract要約: 本稿では,RGB-ノイズ表現学習によるロバスト検出を実現する新しい法医学フレームワーク RNSIDNet を提案する。
具体的には、注意修正されたCLIPバックボーンによって抽出されたグローバルRGBセマンティクスが、特徴量線形変調(FiLM)モジュールを介してベイア畳み込みによって捕捉される高周波ノイズアーティファクトを動的に変調するデュアルブランチアーキテクチャを用いる。
学習表現をさらに強化するため,我々は,Hard Sample-aware Contrastive Learning (HSCL) 戦略を設計する。
- 参考スコア（独自算出の注目度）: 33.97020349697987
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The rapid advancement of large-scale generative models has accelerated the spread of highly deceptive AI-generated images, making generalized synthetic image detection a critical imperative. Existing forensic networks often struggle with cross-model generalization and realworld degradations due to their reliance on single-domain representations and conventional binary classification optimization. To overcome these limitations, we propose RNSIDNet, a novel forensic framework that achieves robust detection through enhanced RGB-Noise representation learning. Specifically, our method employs a dual-branch architecture where global RGB semantics, extracted by an attention-refined CLIP backbone, dynamically modulate highfrequency noise artifacts captured by Bayar convolutions via a Feature-wise Linear Modulation (FiLM) module. To further enhance the learned representations, we design a Hard Sample-aware Contrastive Learning (HSCL) strategy. By explicitly penalizing challenging training samples, HSCL reshapes the latent feature space to maximize the discriminative margin between pristine and synthetic domains. Extensive experiments across eight public benchmark datasets verify that our model achieves state-of-the-art performance, delivering superior generalization ability, robustness, and computational efficiency. Code and dataset will be publicly available on https://github.com/multimediaFor/RNSIDNet.
- Abstract（参考訳）: 大規模生成モデルの急速な進歩により、AI生成画像の広汎化が加速し、一般化された合成画像検出が重要な命令となる。
既存の法医学ネットワークは、単一ドメイン表現と従来のバイナリ分類最適化に依存するため、クロスモデル一般化と現実世界の劣化に苦慮することが多い。
これらの制限を克服するために,RGB-ノイズ表現学習の強化によりロバスト検出を実現する新しい法医学フレームワークであるRSIDNetを提案する。
具体的には、注意修正されたCLIPバックボーンによって抽出されたグローバルRGBセマンティクスが、特徴量線形変調(FiLM)モジュールを介してベイア畳み込みによって捕捉される高周波ノイズアーティファクトを動的に変調するデュアルブランチアーキテクチャを用いる。
学習表現をさらに強化するため,我々は,Hard Sample-aware Contrastive Learning (HSCL) 戦略を設計する。
挑戦的なトレーニングサンプルを明示的にペナルティ化することにより、HSCLは潜伏した特徴空間を再評価し、プリスタンドメインと合成ドメインの識別的マージンを最大化する。
8つの公開ベンチマークデータセットにわたる大規模な実験により、我々のモデルは最先端のパフォーマンスを達成し、より優れた一般化能力、堅牢性、計算効率を提供する。
コードとデータセットはhttps://github.com/multimediaFor/RNSIDNetで公開されている。
関連論文リスト
- RSICCLLM: A Multimodal Large Language Model for Remote Sensing Image Change Captioning [49.24254347822435]
リモートセンシング画像変化キャプション(RSICC)は、双方向のリモートセンシング画像間の変化を記述することを目的としている。
我々はRSICCLLMを提案する。RSICCLLMはRSSICCにおける大規模視覚言語モデルのための最初の後学習フレームワークである。
論文 参考訳（メタデータ） (2026-06-26T16:57:40Z) - Synthetic Aperture Radar Image Change Detection Based on Global Dynamic Context-Aware Network [41.25478399274141]
畳み込みニューラルネットワーク(CNN)は、合成開口レーダ(SAR)画像変化検出のタスクに広く応用され、成功している。
本稿では,SAR画像変化検出に適したGDNet(Global Dynamic Context-Aware Network)を提案する。
このモジュールは,入力特徴から抽出した大域的意味情報に基づいて,畳み込みカーネル重み付けを適応的に変調する。
論文 参考訳（メタデータ） (2026-05-16T02:33:10Z) - HIR-ALIGN: Enhancing Hyperspectral Image Restoration via Diffusion-Based Data Generation [50.46910397782266]
ハイパスペクトル画像(HSI)の復元は、ノイズ、ぼかし、分解能損失などの劣化に悩まされるため、信頼性の高い解析に不可欠である。
本稿では,HIR-ALIGNを提案する。HIR-ALIGNは,限られたトレーニング画像と,ターゲット分布と密に一致した合成データとを付加して,ハイパースペクトル画像の復元を促進するための,プラグアンドプレイのターゲット適応型拡張フレームワークである。
論文 参考訳（メタデータ） (2026-05-13T14:14:13Z) - Frequency-Aware Semantic Fusion with Gated Injection for AI-generated Image Detection [18.582605108525506]
Vision Foundation Modelsは、リッチなセマンティック表現と周波数ベースのメソッドがアーティファクトキューをキャプチャする機能を提供する。
これらのモダリティを組み合わせた既存のアプローチは、依然として限定的な一般化に悩まされている。
本稿では、一般化を改善するために、周波数対応Gated Injection Network (FGINet)を提案する。
論文 参考訳（メタデータ） (2026-04-30T13:54:50Z) - StepVAR: Structure-Texture Guided Pruning for Visual Autoregressive Models [98.72926158261937]
本稿では,Visual AutoRegressive モデルのためのトレーニングフリートークン解析フレームワークを提案する。
我々は局所的なテクスチャの詳細を捉えるために軽量なハイパスフィルタを使用し、グローバルな構造情報を保存するために主成分分析(PCA)を活用している。
スパーストークンの下で有効な次世代の予測を維持するために,近接した特徴伝達戦略を導入する。
論文 参考訳（メタデータ） (2026-03-02T11:35:05Z) - Scaling Text-to-Image Diffusion Transformers with Representation Autoencoders [74.72147962028265]
表現オートエンコーダ(RAE)は、ImageNet上で拡散モデリングにおいて明確な利点を示している。
本稿では,このフレームワークが大規模でフリーフォームなテキスト・ツー・イメージ(T2I)生成に拡張できるかどうかを検討する。
論文 参考訳（メタデータ） (2026-01-22T18:58:16Z) - Toward Generalizable Deblurring: Leveraging Massive Blur Priors with Linear Attention for Real-World Scenarios [9.82847623835017]
GLOWDeblurは、畳み込みベースの事前再構成とドメインアライメントモジュールと軽量な拡散バックボーンを組み合わせた、一般化可能なreaL-wOrld Light Weight Deblurモデルである。
本稿では,Blur Pattern Pretraining (BPP)を提案する。
我々はさらに、高度劣化下でぼやけた前兆を強化するためにMoSeG(MoSeG)を導入し、それをGLOWDeblur(GLOWDeblur)に統合する。
論文 参考訳（メタデータ） (2026-01-10T11:01:31Z) - Knowledge-Informed Neural Network for Complex-Valued SAR Image Recognition [51.03674130115878]
本稿では,新しい「圧縮集約圧縮」アーキテクチャ上に構築された軽量なフレームワークであるKnowledge-Informed Neural Network(KINN)を紹介する。
KINNはパラメータ効率の認識における最先端を確立し、データスカースとアウト・オブ・ディストリビューションのシナリオにおいて例外的な一般化を提供する。
論文 参考訳（メタデータ） (2025-10-23T07:12:26Z) - NS-Net: Decoupling CLIP Semantic Information through NULL-Space for Generalizable AI-Generated Image Detection [14.7077339945096]
NS-Netは、CLIPの視覚的特徴から意味情報を分離する新しいフレームワークである。
実験の結果、NS-Netは既存の最先端手法よりも優れており、検出精度は7.4%向上している。
論文 参考訳（メタデータ） (2025-08-02T07:58:15Z) - LayerMix: Enhanced Data Augmentation through Fractal Integration for Robust Deep Learning [1.786053901581251]
ディープラーニングモデルは、アウト・オブ・ディストリビューション(OOD)のサンプルに直面すると、一貫したパフォーマンスを維持するのに苦労することが多い。
モデルロバスト性を体系的に強化する革新的なデータ拡張アプローチであるLayerMixを紹介する。
本手法は,ニューラルネットワークの一般化能力を大幅に向上させる意味論的一貫した合成サンプルを生成する。
論文 参考訳（メタデータ） (2025-01-08T22:22:44Z) - Neural BRDF Representation and Importance Sampling [79.84316447473873]
本稿では,リフレクタンスBRDFデータのコンパクトニューラルネットワークに基づく表現について述べる。
BRDFを軽量ネットワークとしてエンコードし、適応角サンプリングによるトレーニングスキームを提案する。
複数の実世界のデータセットから等方性および異方性BRDFの符号化結果を評価する。
論文 参考訳（メタデータ） (2021-02-11T12:00:24Z)
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。