論文の概要: Hybrid Semantic and Spectral Ensemble for Robust Synthetic Image Source Attribution

• arxiv url: http://arxiv.org/abs/2607.22808v1
• Date: Fri, 24 Jul 2026 17:22:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:14.885089
• Title: Hybrid Semantic and Spectral Ensemble for Robust Synthetic Image Source Attribution
• Title（参考訳）: ロバスト合成画像のハイブリッド・セマンティック・スペクトルアンサンブル
• Abstract要約: 本稿では,意味的深層学習と数学的法則的特徴抽出を併用した二分岐アンサンブルフレームワークを提案する。 パイプライン全体の計算効率は高く、GPUアクセラレーションを必要とせず、標準CPU上で6.5時間以内でエンドツーエンドを実行する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The rapid advancement of text-to-image (T2I) models has necessitated robust Synthetic Image Source Attribution (SIA) methodologies. A critical challenge in SIA is the distribution shift between pristine training images and real-world deployed images, which undergo unknown post-processing operations such as JPEG compression and blurring. In this work, proposed for the DLMMDD Challenge at ICANN 2026, we introduce a dual-branch ensemble framework fusing Semantic Deep Learning with Mathematical Forensic Feature Extraction. The semantic branch employs EfficientNet-B0 regularized with Exponential Moving Averaging (EMA) and Label Smoothing. The forensic branch extracts 126 mathematical features -- including SVD spectral profiles and Local Binary Patterns -- from high-pass noise residuals, compressed via Truncated SVD and classified with XGBoost. Evaluated on a dataset of 10 generators where 55% of the test set is degraded, our approach achieves a private leaderboard accuracy of 95.60%. Furthermore, the entire pipeline is highly computationally efficient, requiring no GPU acceleration and executing end-to-end on a standard CPU in under 6.5 hours, highlighting the practicality and scalability of mathematical forensics for real-world deployment.
• Abstract（参考訳）: テキスト・トゥ・イメージ(T2I)モデルの急速な進歩は、堅牢な合成画像ソース属性(SIA)手法を必要としている。 SIAにおける重要な課題は、JPEG圧縮やぼやけなどの未知の後処理を実行するプリスタントトレーニングイメージと実世界のデプロイイメージとの分散シフトである。 本研究は,ICANN 2026のDLMMDDチャレンジで提案されたセマンティック深層学習と数学的解析的特徴抽出を融合した2分岐アンサンブルフレームワークを提案する。 セマンティックブランチでは、Exponential moving Averaging (EMA) と Label Smoothing で正規化されたEfficientNet-B0を採用している。 法医学部門は、SVDスペクトルプロファイルや局所二項パターンを含む126の数学的特徴を高域雑音残差から抽出し、Truncated SVDを介して圧縮し、XGBoostに分類する。 テストセットの55%が劣化している10個のジェネレータのデータセットに基づいて評価し、我々の手法は、プライベートなリーダーボードの精度95.60%を達成する。 さらに、パイプライン全体の計算効率は高く、GPUアクセラレーションを必要とせず、標準CPU上で6.5時間以内でエンドツーエンドを実行する。

関連論文リスト

• A Multi-View and Confusion-Guided Ensemble Framework for Robust Synthetic Image Attribution [0.6768558752130311]
  ICANN 2026 の DLMMDD Workshop における合成画像属性チャレンジのための多視点・混乱誘導アンサンブルフレームワークを提案する。 提案手法は,FFT-ConvNeXt,DINOv2,CLIP,Xceptionなど複数の補完アーキテクチャを統合し,周波数・意味・法医学的視点から多種多様な帰属手がかりを抽出する。 本研究では,アンサンブルモデルの混乱パターンを解析し,安定拡散3と安定拡散3.5の厳密なあいまいさを観察する。
  論文  参考訳（メタデータ） (2026-09-10T07:54:25Z)
• Format-Controlled Multi-Scale JPEG Compression Response Analysis for Image-Level Forgery Screening [0.0]
  本稿では,CPU計算とブーストツリーのみを用いた画像レベルのフォージェリースクリーニングのための,軽量で解釈可能な機能エンジニアリングパイプラインを提案する。 提案手法では,7つのJPEG品質レベルで計算されたEmphmulti-scale Error Level Analysis (ELA) と,スプライシング領域の特徴を持つ2次元圧縮アーティファクトをキャプチャする新しいEmphcross-quality ELA比機能を組み合わせた。
  論文  参考訳（メタデータ） (2026-07-07T08:24:01Z)
• Thinking in Scales: Accelerating Gigapixel Pathology Image Analysis via Adaptive Continuous Reasoning [52.41928980786654]
  スライド画像全体に対してトークン効率のよいスケール空間連続推論を可能にするPathCTMを提案する。 PathCTMは診断推論を動的逐次情報追跡として定式化する。 必要な画像パッチの数を95.95%削減し、推論時間を約95.62%短縮し、AUCを劣化せずに維持する。
  論文  参考訳（メタデータ） (2026-05-19T07:46:44Z)
• Handcrafted Feature Fusion for Reliable Detection of AI-Generated Images [0.2624902795082451]
  生成モデルの急速な進歩は、非常に現実的な合成画像の作成を可能にした。 このような偽コンテンツを確実に検出することは、緊急の課題である。 ディープラーニングのアプローチが現在の文献を支配している一方で、手作りの機能は解釈可能性、効率、一般化可能性に魅力的なままである。
  論文  参考訳（メタデータ） (2026-01-27T06:43:01Z)
• CtrlFuse: Mask-Prompt Guided Controllable Infrared and Visible Image Fusion [51.060328159429154]
  赤外線と可視画像の融合は、相補的なモダリティを組み合わせることで、全天候の知覚可能な画像を生成する。 我々は,マスクプロンプトによって誘導されるインタラクティブな動的融合を可能にする,制御可能な画像融合フレームワークであるCtrlFuseを提案する。 実験では、融合制御性とセグメンテーション精度の両立を実証し、適応されたタスク分岐は元のセグメンテーションモデルよりも優れていた。
  論文  参考訳（メタデータ） (2026-01-12T13:36:48Z)
• Few-Step Diffusion via Score identity Distillation [67.07985339442703]
  拡散蒸留は, テキスト・ツー・イメージ(T2I)拡散モデルを促進するための有望な戦略として浮上している。 既存の方法は、高分解能T2I拡散モデルを蒸留する際に、実像や教師合成画像に頼っている。 教師のCFGを無効にし、偽スコアネットワークでテキストコンディショニングを除去するZero-CFGと、偽スコアネットワークで否定的なCFGを適用するAnti-CFGの2つの新しいガイダンス戦略を提案する。
  論文  参考訳（メタデータ） (2025-05-19T03:45:16Z)
• Robust Latent Matters: Boosting Image Generation with Sampling Error Synthesis [57.7367843129838]
  最近の画像生成方式は、凍結した画像トークン化器に依存した事前構築された潜在空間における画像分布を典型的に捉えている。 本稿では,遅延空間構築を容易にするための新しいプラグ・アンド・プレイ・トークンライザ・トレーニング手法を提案する。
  論文  参考訳（メタデータ） (2025-03-11T12:09:11Z)
• 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)
• Efficient Segmentation with Texture in Ore Images Based on Box-supervised Approach [6.6773975364173]
  完全な鉱石と独立した鉱石を識別するために, テクスチャを特徴とするボックス管理手法を提案する。 提案手法は,21.6MBの小型モデルサイズで毎秒50フレーム以上を実現する。 この手法は、鉱石画像データセットの最先端アプローチと比較して高い精度を維持している。
  論文  参考訳（メタデータ） (2023-11-10T08:28:22Z)
• Binarized Spectral Compressive Imaging [59.18636040850608]
  ハイパースペクトル画像(HSI)再構成のための既存のディープラーニングモデルは、優れた性能を実現するが、膨大なメモリと計算資源を持つ強力なハードウェアを必要とする。 本稿では,BiSRNet(Biarized Spectral-Redistribution Network)を提案する。 BiSRNetは,提案手法を用いてベースモデルのバイナライズを行う。
  論文  参考訳（メタデータ） (2023-05-17T15:36:08Z)
• Multi-scale Transformer Network with Edge-aware Pre-training for Cross-Modality MR Image Synthesis [52.41439725865149]
  クロスモダリティ磁気共鳴(MR)画像合成は、与えられたモダリティから欠落するモダリティを生成するために用いられる。 既存の(教師付き学習)手法は、効果的な合成モデルを訓練するために、多くのペア化されたマルチモーダルデータを必要とすることが多い。 マルチスケールトランスフォーマーネットワーク(MT-Net)を提案する。
  論文  参考訳（メタデータ） (2022-12-02T11:40:40Z)

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。