論文の概要: BG-REAL: A Public Real-Data Anchored Benchmark for Background Manipulation Detection and Localization
- arxiv url: http://arxiv.org/abs/2607.26232v1
- Date: Tue, 28 Jul 2026 20:11:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-30 21:06:25.463546
- Title: BG-REAL: A Public Real-Data Anchored Benchmark for Background Manipulation Detection and Localization
- Title（参考訳）: BG-REAL:バックグラウンド操作検出と位置推定のための公開実データアンコールベンチマーク
- Authors: Bugra Alperen Uluirmak, Rifat Kurban,
- Abstract要約: BG-REALは、バックグラウンド操作の検出とローカライゼーションのための、パブリックなリアルタイムアンロックされたベンチマークパッケージである。
現在のリリースはOpen Images V7インスタンスセグメンテーションソースから構築されており、1200以上のソースグループで7000の処理されたサンプルが含まれている。
BG-REALは,6つの編集ファミリ,整合制御,ソースグループ分割,マスクおよびリークQA,599個の人為的品質制御行,5種モデル評価をカバーしている。
- 参考スコア（独自算出の注目度）: 0.6588840794922407
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Background manipulation is a practical but under-specified image-forensics setting: the manipulated evidence can sit outside the salient foreground object, while many evaluations emphasize object-centric copy-move, splicing, or generic synthetic edits. We introduce BG-REAL, a public real-data anchored benchmark package for background manipulation detection and localization. The current release is built from Open Images V7 instance-segmentation sources and contains 7,000 processed samples over 1,200 source groups, including 6,000 public-data anchored samples and 1,000 synthetic control samples. BG-REAL covers six edit families, matched authentic controls, source-group splits, mask and leakage QA, 599 human-assisted quality-control rows, three completed external baselines (TruFor, MVSS-Net, and HiFi-Net), and five-seed model evaluation. Beyond aggregate accuracy, we use matched-authentic-control diagnostics to measure how often baselines misclassify re-encoded authentic images as manipulated at a threshold fixed on held-out validation data; false-positive rates range from 0.57 (TruFor, the lowest) to 1.00 (several weak or mask-informed baselines), indicating that re-encoding artifacts are a shared shortcut risk across baselines rather than a problem specific to any one model. The release provides the construction pipeline, evaluation protocol, paper-ready figures, and reproduction documentation. We frame BG-REAL as a background-manipulation-focused complement to general image-manipulation-localization benchmarks, not as a fully real-only or general-purpose benchmark.
- Abstract（参考訳）: 背景の操作は実用的ではあるが、未特定の画像法医学的な設定である: 操作された証拠は、前景オブジェクトの外側に置かれるが、多くの評価では、オブジェクト中心のコピー・ムーブ、スプライシング、あるいはジェネリックな合成編集が強調されている。
BG-REALは、バックグラウンド操作の検出とローカライゼーションのための、パブリックなリアルタイムアンカーベンチマークパッケージである。
現在のリリースはOpen Images V7インスタンスセグメンテーションソースから構築されており、1200以上のソースグループで7000の処理されたサンプルが含まれており、6,000の公開データアンカーサンプルと1,000の合成制御サンプルが含まれている。
BG-REALは6つの編集ファミリ,整合制御,ソースグループ分割,マスクおよびリークQA,599個の人為的品質制御行,3つの完成外付けベースライン(TruFor,MVSS-Net,HiFi-Net),5種モデル評価をカバーしている。
集合的精度を超えて、我々はマッチングされたオーセンティック制御診断を用いて、保持された検証データに固定されたしきい値で操作された、再エンコードされた認証画像の誤分類の頻度を測定する。
このリリースは、構築パイプライン、評価プロトコル、ペーパーレディフィギュア、再現ドキュメントを提供する。
我々は,BG-REALを,画像操作局所化ベンチマークの背景操作中心の補体として,完全リアルタイム・汎用ベンチマークとしてではなく,画像操作局所化ベンチマークとして捉えている。
関連論文リスト
- SIGMA: Semantic-Difference Instruction-Grounding Mask Annotator for Text-Driven Image Manipulation Localization [64.6372217552272]
公開編集データセットには、IMLトレーニングサンプルと構造的に同一(オリジナル、編集)のペアが数百万個含まれており、ピクセルレベルのマスクのみが欠如している。
本稿では,視覚基盤のバックボーンにおいて意味・特徴の相違を行うSIGMAを提案する。
1.1M IMLトレーニングセットを生成し、5つのデータセットに対して+18.34%のF1で6つの多様な検出器を改善する。
論文 参考訳（メタデータ） (2026-05-27T03:55:13Z) - DOCFORGE-BENCH: A Comprehensive 0-shot Benchmark for Document Forgery Detection and Analysis [6.329569532501952]
文書偽造検出のための最初の統一ゼロショットベンチマークであるDOCFORGE-BENCHを提案する。
テキスト改ざん、レシート偽造、ID文書操作にまたがる8つのデータセットにまたがる14の手法を評価する。
私たちの中心的な発見は、シングルスレッドプロトコルでは見えない、広範囲にわたるキャリブレーション障害です。
論文 参考訳（メタデータ） (2026-03-02T04:26:57Z) - RealDrag: The First Dragging Benchmark with Real Target Image [9.439854281295803]
textbfRealDragは、点ベースの画像編集のための最初の包括的なベンチマークであり、ペアの接地真理ターゲット画像を含んでいる。
私たちのデータセットには、さまざまなビデオソースから400以上の人間の注釈付きサンプルが含まれています。
また、Semantical Distance(SeD)、Outer Mask Preserving Score(OMPS)、Inner Patch Preserving Score(IPPS)、Directional similarity(DiS)の4つの新しいタスク特化指標を提案する。
論文 参考訳（メタデータ） (2025-12-13T11:14:03Z) - UniREditBench: A Unified Reasoning-based Image Editing Benchmark [52.54256348710893]
この研究は、推論に基づく画像編集評価のための統一ベンチマークUniREditBenchを提案する。
精巧にキュレートされた2,700個のサンプルからなり、8つの一次次元と18のサブ次元にわたる実世界シナリオとゲーム世界のシナリオをカバーしている。
このデータセットにBagelを微調整し、UniREdit-Bagelを開発した。
論文 参考訳（メタデータ） (2025-11-03T07:24:57Z) - ForensicHub: A Unified Benchmark & Codebase for All-Domain Fake Image Detection and Localization [54.64604722756443]
ForensicHubは、オールドメインの偽画像検出とローカライゼーションのための最初の統一ベンチマークである。
科学的なパイプラインをデータセット、変換、モデル、評価者間で交換可能なコンポーネントに分解する。
FIDLモデルアーキテクチャ、データセットの特徴、評価標準に関する8つの重要な実行可能な洞察を提供する。
論文 参考訳（メタデータ） (2025-05-16T08:49:59Z) - YourBench: Easy Custom Evaluation Sets for Everyone [12.995134931278056]
YourBenchは、大規模言語モデル(LLM)を評価するための、新しいオープンソースのフレームワークである。
手動のアノテーションなしで、信頼性が高く、最新で、ドメインに適したベンチマークを安価に生成する。
我々はTemporaに基づくYourBenchライブラリ、Tempora-0325データセット、150k以上の質問応答ペア、およびすべての評価と推論トレースをリリースする。
論文 参考訳（メタデータ） (2025-04-02T15:40:24Z) - ImagiNet: A Multi-Content Benchmark for Synthetic Image Detection [0.0]
私たちは、写真、絵画、顔、雑多な4つのカテゴリにまたがる200万のサンプルのデータセットであるImagiNetを紹介します。
ImagiNetの合成画像はオープンソースとプロプライエタリの両方のジェネレータで作成され、各コンテントタイプの実際の画像はパブリックデータセットから収集される。
論文 参考訳（メタデータ） (2024-07-29T13:57:24Z) - Towards Effective Image Manipulation Detection with Proposal Contrastive
Learning [61.5469708038966]
本稿では,効果的な画像操作検出のためのコントラスト学習(PCL)を提案する。
我々のPCLは、RGBとノイズビューから2種類のグローバル特徴を抽出し、2ストリームアーキテクチャで構成されている。
我々のPCLは、実際にラベル付けされていないデータに容易に適用でき、手作業によるラベル付けコストを削減し、より一般化可能な機能を促進することができる。
論文 参考訳（メタデータ） (2022-10-16T13:30:13Z) - Detecting Deepfakes with Self-Blended Images [37.374772758057844]
本稿では,深度情報を検出するために,SBI(Self-blended Image)と呼ばれる新しい合成トレーニングデータを提案する。
SBIは、単一のプリスタン画像から擬似ソースとターゲットイメージを混合して生成される。
我々は,FF++,CDF,DFD,DFDC,DFDCP,FFIWデータセットの最先端手法との比較を行った。
論文 参考訳（メタデータ） (2022-04-18T15:44:35Z) - DeeperForensics-1.0: A Large-Scale Dataset for Real-World Face Forgery
Detection [93.24684159708114]
DeeperForensics-1.0は、これまでで最大の顔偽造検出データセットであり、合計で1760万フレームの6万本のビデオで構成されている。
生成されたビデオの品質は、既存のデータセットよりも優れており、ユーザ研究によって検証されている。
このベンチマークには隠れたテストセットがあり、人間の評価において高い認識スコアを達成する操作されたビデオを含んでいる。
論文 参考訳（メタデータ） (2020-01-09T14:37:17Z)
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。