論文の概要: Veritas++: Value-aware On-Policy Distillation for Perception-Enhanced AIGI Detection

• arxiv url: http://arxiv.org/abs/2607.27113v1
• Date: Wed, 29 Jul 2026 16:43:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-30 21:06:25.744304
• Title: Veritas++: Value-aware On-Policy Distillation for Perception-Enhanced AIGI Detection
• Title（参考訳）: Veritas++: 知覚強化AIGI検出のための値認識オンポリティ蒸留
• Abstract要約: Veritas++はAIGI検出のための認識強化推論フレームワークである。 PoRLは、オープンな記述監督を検証可能な報酬に置き換える。 VaOPDは、一様監視よりも高価値蒸留信号を優先する。
• 参考スコア（独自算出の注目度）: 46.22414118216386
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The growing capability of image generation models has made synthetic images a routine presence in open media, making robust and generalizable AI-Generated Image (AIGI) detection increasingly essential. While multi-modal large language models (MLLMs) offer a transparent alternative to black-box binary scoring, we observe that current MLLM-based detectors still exhibit notable perception bottlenecks in capturing fine-grained anomalies. They primarily focus on how visual evidence is organized and synthesized, leaving the intrinsic perception less optimized. To mitigate this gap, we present Veritas++, a perception-enhanced reasoning framework that establishes reliable perception as the foundation of authenticity reasoning. Rather than directly optimizing the model's explanatory ability, we ground AIGI detection on three basic perception abilities, i.e., capturing fine-grained visual details, semantic anomalies and pixel-level differences. Building on this insight, we introduce Perception-oriented Learning (PoRL), which replaces open-ended description supervision with verifiable rewards to explicitly strengthen these capacities. To further integrate enhanced perception with reasoning, we introduce Value-aware On-Policy Distillation (VaOPD), an adaptive distillation mechanism that prioritizes high-value distillation signals over uniform supervision, internalizing perception-aware reasoning through a privileged self-teacher. Extensive experiments across standard, in-the-wild and emerging benchmarks demonstrate that Veritas++ achieves promising generalization. The perception learning effectively bridges the perception gap and yields seamless gains on detection, while VaOPD further enables efficient capability evolvement without sacrificing existing performance. Code and checkpoints are available at https://github.com/EricTan7/VeritasPP.
• Abstract（参考訳）: 画像生成モデルの増大する能力により、合成画像はオープンメディアにおける日常的な存在となり、堅牢で一般化可能なAI-Generated Image(AIGI)検出がますます不可欠になっている。 マルチモーダル大言語モデル(MLLM)はブラックボックスのバイナリスコアに代わる透過的な代替手段を提供するが、現在のMLLMベースの検出器は、きめ細かい異常を捉える際に目立ったボトルネックをみせる。 視覚的エビデンスがどのように組織化され、どのように合成されるかに重点を置いており、本質的な知覚はより最適化されていない。 このギャップを軽減するために,信頼度推論の基礎として信頼性の高い認識を確立する知覚強化推論フレームワークであるVeritas++を提案する。 モデルの説明能力を直接最適化する代わりに、AIGI検出は3つの基本的な知覚能力、すなわち、きめ細かい視覚的詳細、意味的異常、ピクセルレベルの差を捉える。 この知見に基づいて、オープンな記述監督を検証可能な報酬に置き換え、これらの能力を明確に強化するパーセプション指向学習(PoRL)を導入する。 本稿では, 自己学習者による自己学習者による認識認識推論を内在化し, 高付加価値蒸留信号を一様監視よりも優先する適応蒸留機構であるバリューアウェアオンポリシィ蒸留(VaOPD)を導入する。 Veritas++が有望な一般化を実現していることを示す。 知覚学習は、知覚ギャップを効果的にブリッジし、検出時にシームレスに利得を得る一方、VaOPDは、既存の性能を犠牲にすることなく、効率的な能力の進化を可能にする。 コードとチェックポイントはhttps://github.com/EricTan7/VeritasPPで入手できる。

関連論文リスト

• Can Vision-Language Models Reason about AI Edits in Images? [78.04125956307838]
  VLM(Vision-Language Models)は、強力な視覚的理解と推論能力のために、有望な代替手段を提供する。 簡単な精度と形式報酬を利用するGRPOベースのトレーニングフレームワークを提案する。 提案手法は,最先端画像フォージェリ検出器と比較して,競合検出と局所化性能を実現する。
  論文  参考訳（メタデータ） (2026-07-30T16:23:40Z)
• Entropy Is Not Enough: Unlocking Effective Reinforcement Learning for Visual Reasoning via Vision-Anchored Token Selection [68.2118210672375]
  VEPO(Vision-Entropy token-selection for Policy Optimization)は,視覚感度とトークンエントロピーを明示的に統合した効果的なRLフレームワークである。 実験の結果,VEPOの先行性能は7Bスケールで2.28点,3Bスケールで3.15点,エントロピーのみのベースラインを著しく上回った。
  論文  参考訳（メタデータ） (2026-06-02T17:26:55Z)
• Uncertainty-Aware Exploratory Direct Preference Optimization for Multimodal Large Language Models [53.15468578562038]
  マルチモーダル大言語モデル(MLLM)のための不確実性を考慮した探索的直接参照最適化(UE-DPO)手法を提案する。 まず、与えられた画像にトークン予測を根拠にしなかったモデルの不確かさを定量化する。 次に、好ましいサンプルにおいて、視覚的に不足したトークンに対する学習のプレッシャーを高め、非推奨サンプルにおける有益な知識の過度な報酬化を緩和する。
  論文  参考訳（メタデータ） (2026-05-06T13:08:12Z)
• Not All Tokens See Equally: Perception-Grounded Policy Optimization for Large Vision-Language Models [38.47027398567909]
  Perception-Grounded Policy Optimization (PGPO)は、トークンレベルでのメリットを動的に再評価する、新しいきめ細かなクレジット割り当てフレームワークである。 PGPOは,言語的先行音からの勾配雑音を抑えつつ,視覚的に依存するトークンの学習信号を積極的に増幅することを示す。 理論的および実証的な分析は、PGPOが勾配の分散を効果的に減少させ、訓練の崩壊を防ぎ、頑健で知覚的なマルチモーダル推論のための強力な正則化剤として機能することを確認する。
  論文  参考訳（メタデータ） (2026-04-02T09:53:20Z)
• VAAS: Vision-Attention Anomaly Scoring for Image Manipulation Detection in Digital Forensics [0.0]
  AI駆動画像生成の最近の進歩は、法医学的調査におけるデジタル証拠の正当性を検証するための新たな課題をもたらしている。 現代の生成モデルは、画素や圧縮アーチファクトに基づいた従来の検出器を避ける視覚的に一貫した偽造物を生成することができる。 本稿では,グローバルアテンションに基づく異常推定を統合した新しいデュアルモジュール・フレームワークであるVision-Attention Anomaly Scoring(VAAS)を紹介する。
  論文  参考訳（メタデータ） (2025-12-17T15:05:40Z)
• Cognitive Inception: Agentic Reasoning against Visual Deceptions by Injecting Skepticism [81.39177645864757]
  完全推論に基づくエージェント推論フレームワークであるtextbfInception を提案する。 私たちの知る限りでは、AIGCの視覚的騙しに対する完全な推論ベースのフレームワークとしてはこれが初めてです。
  論文  参考訳（メタデータ） (2025-11-21T05:13:30Z)
• Unleashing Perception-Time Scaling to Multimodal Reasoning Models [60.578179197783754]
  推論時間スケーリングの最近の進歩は、LVLM(Large Vision-Language Models)の推論能力を大幅に向上させた。 この成功に触発されて、同様の戦略がマルチモーダル推論に適用されたが、視覚的知覚への影響は未だ不明である。 本稿では,トークンに富む知覚を促進する新しいパラダイムである知覚時間スケーリング(PTS)を提案し,複雑な知覚問題を中間的抽出可能なサブプロブレムに分解する。
  論文  参考訳（メタデータ） (2025-10-10T03:17:52Z)

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。