論文の概要: Understanding Why Foundation Models Work for Diffusion-Generated Image Detection
- arxiv url: http://arxiv.org/abs/2608.12155v1
- Date: Wed, 12 Aug 2026 15:18:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-13 19:07:54.624369
- Title: Understanding Why Foundation Models Work for Diffusion-Generated Image Detection
- Title（参考訳）: 拡散生成画像検出のための基礎モデルがなぜ機能するのかを理解する
- Abstract要約: 本研究では,基礎モデルに基づく検出器を用いて,実際の画像と拡散生成画像とを識別する手法について検討する。
以上の結果から, 基礎モデルに基づく検出器は, 実画像と拡散画像の非意味な低-中間周波数分布の相違を捉えることに成功した。
- 参考スコア（独自算出の注目度）: 17.35112221493337
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Vision foundation models have recently emerged as powerful feature extractors for detecting AI-generated images, achieving strong generalization across generators and robustness to common image degradations. However, the reason behind their effectiveness is poorly understood. In this work, we investigate what cues are exploited by foundation-model-based detectors to distinguish real images from diffusion-generated ones. To this end, we design an ad hoc analysis protocol based on DDIM inversion. Given a real image we generate a sequence of synthetic copies by changing the depth of DDIM inversion. Even though most copies are semantically identical to the real reference, the detector score varies significantly across them due to subtle traces introduced by the diffusion synthesis, showing that its decision is not primarily driven by semantic failures. Through a frequency-swapping analysis, we further reveal that the discriminative cues exploited by the detectors are mainly localized in the low-to-mid frequency range, rather than only in the high-frequency range, as is the case for artifacts commonly associated with generative models. Finally, a latent-space analysis shows that regenerated images exhibit reduced variance and effective dimensionality, indicating that diffusion models do not fully reproduce the variability of real data. Overall, our results suggest that foundation-model-based detectors succeed by capturing non-semantic low-to-mid frequency distributional discrepancies between real and diffusion-generated images. These findings provide new insight into the robustness and generalization of such detectors and suggest directions for more interpretable forensic methods.
- Abstract（参考訳）: ビジョンファウンデーションモデルは、最近、AI生成画像の検出のための強力な特徴抽出器として登場し、ジェネレータ間の強力な一般化と、一般的な画像劣化に対する堅牢性を実現している。
しかし、その効果の背景にある理由はよく理解されていない。
本研究では,ファンデーションモデルに基づく検出器を用いて,実際の画像と拡散生成画像とを識別する手法について検討する。
この目的のために、DDIMインバージョンに基づくアドホック解析プロトコルを設計する。
実画像が与えられた場合、DDIM反転の深さを変化させることで、合成コピーのシーケンスを生成する。
ほとんどのコピーは実際の参照と意味的に同一であるが、拡散合成によって引き起こされた微妙な痕跡により検出器のスコアは著しく異なり、その決定は主に意味的な失敗によって導かれるわけではない。
さらに, 周波数スワッピング解析により, 検出器が利用した識別的手がかりが, 生成モデルに共通するアーティファクトの場合と同様に, 主に高周波数域のみに留まらず, ロー・ツー・ミッド周波数域に局在していることを明らかにした。
最後に、遅延空間解析により、再生された画像は、分散と有効次元が減少し、拡散モデルが実際のデータの変動性を完全に再現していないことを示す。
以上の結果から, 基礎モデルに基づく検出器は, 実画像と拡散画像の非意味な低中間周波数分布のずれを捉えることに成功した。
これらの発見は、そのような検出器の堅牢性と一般化に関する新たな洞察を与え、より解釈可能な法医学的手法の方向性を提案する。
関連論文リスト
- FIND: A Simple yet Effective Baseline for Diffusion-Generated Image Detection [32.11320589253777]
実際の画像は合成画像よりもガウス分布に適合することが難しい。
本稿では,単純なバイナリ分類器のみを必要とする新しい手法であるFIND(Forgery Identification via Noise disturbance)を提案する。
FINDはGenImageベンチマークで11.7%向上し、既存のメソッドよりも126倍高速である。
論文 参考訳（メタデータ） (2026-03-15T04:49:30Z) - Detecting AI-Generated Images via Diffusion Snap-Back Reconstruction: A Forensic Approach [0.0]
従来のディープフェイク検出方法は、Stable DiffusionやDALL-Eのようなテキストと画像のシステムでは失敗する。
本稿では,多強度画像再構成を応用した拡散型法科学フレームワークを提案する。
論文 参考訳（メタデータ） (2025-11-01T01:35:54Z) - Who Made This? Fake Detection and Source Attribution with Diffusion Features [0.15293427903448018]
FRIDA(Deepfake Detection and Source Attribution)というフレームワークを紹介した。
コンパクトなニューラルモデルは正確なソース属性を可能にする。
その結果、拡散表現は本質的にジェネレータ固有のパターンを符号化していることがわかった。
論文 参考訳（メタデータ） (2025-10-31T16:27:34Z) - Explainable Synthetic Image Detection through Diffusion Timestep Ensembling [30.298198387824275]
本稿では,複数の雑音の時間ステップでアンサンブルを訓練することにより,中間雑音画像の特徴を直接活用する合成画像検出手法を提案する。
人間の理解を深めるために,メートル法に基づく説明文生成と改良モジュールを導入する。
本手法は, 正解率98.91%, 正解率95.89%, 正解率95.89%, 正解率98.91%, 正解率95.89%である。
論文 参考訳（メタデータ） (2025-03-08T13:04:20Z) - DiffDoctor: Diagnosing Image Diffusion Models Before Treating [57.82359018425674]
DiffDoctorは2段階のパイプラインで、画像拡散モデルがより少ないアーティファクトを生成するのを支援する。
我々は100万以上の欠陥のある合成画像のデータセットを収集し、効率的なHuman-in-the-loopアノテーションプロセスを構築した。
次に、学習したアーティファクト検出器が第2段階に関与し、ピクセルレベルのフィードバックを提供することで拡散モデルを最適化する。
論文 参考訳（メタデータ） (2025-01-21T18:56:41Z) - Understanding and Improving Training-Free AI-Generated Image Detections with Vision Foundation Models [68.90917438865078]
顔合成と編集のためのディープフェイク技術は、生成モデルに重大なリスクをもたらす。
本稿では,モデルバックボーン,タイプ,データセット間で検出性能がどう変化するかを検討する。
本稿では、顔画像のパフォーマンスを向上させるContrastive Blurと、ノイズタイプのバイアスに対処し、ドメイン間のパフォーマンスのバランスをとるMINDERを紹介する。
論文 参考訳（メタデータ） (2024-11-28T13:04:45Z) - StealthDiffusion: Towards Evading Diffusion Forensic Detection through Diffusion Model [62.25424831998405]
StealthDiffusionは、AI生成した画像を高品質で受け入れがたい敵の例に修正するフレームワークである。
ホワイトボックスとブラックボックスの設定の両方で有効であり、AI生成した画像を高品質な敵の偽造に変換する。
論文 参考訳（メタデータ） (2024-08-11T01:22:29Z) - Rethinking the Up-Sampling Operations in CNN-based Generative Network
for Generalizable Deepfake Detection [86.97062579515833]
我々は、アップサンプリング操作から生じる一般化された構造的アーティファクトをキャプチャし、特徴付ける手段として、NPR(Neighboring Pixel Relationships)の概念を紹介した。
tft28の異なる生成モデルによって生成されたサンプルを含む、オープンワールドデータセット上で包括的な分析を行う。
この分析は、新しい最先端のパフォーマンスを確立し、既存の手法よりも優れたtft11.6%の向上を示している。
論文 参考訳（メタデータ） (2023-12-16T14:27:06Z) - Projection Regret: Reducing Background Bias for Novelty Detection via
Diffusion Models [72.07462371883501]
本研究では,非意味情報のバイアスを緩和する効率的な新規性検出手法であるemphProjection Regret(PR)を提案する。
PRは、テスト画像とその拡散ベースの投影の間の知覚距離を計算し、異常を検出する。
拡張実験により、PRは生成モデルに基づく新規性検出手法の先行技術よりも有意なマージンで優れていることが示された。
論文 参考訳（メタデータ） (2023-12-05T09:44:47Z) - Detecting Images Generated by Deep Diffusion Models using their Local
Intrinsic Dimensionality [8.968599131722023]
拡散モデルは驚くほどリアルな画像の視覚合成に成功している。
これにより、悪意のある目的のために、彼らの可能性に対する強い懸念が持ち上がる。
合成画像の自動検出に軽量な多重局所固有次元法(multiLID)を提案する。
論文 参考訳（メタデータ） (2023-07-05T15:03:10Z) - DIRE for Diffusion-Generated Image Detection [128.95822613047298]
拡散再構成誤り(DIRE)という新しい表現を提案する。
DIREは、予め訓練された拡散モデルにより、入力画像とその再構成画像間の誤差を測定する。
DIREは生成されたイメージと実際のイメージを区別するためのブリッジとして機能する、というヒントを提供する。
論文 参考訳（メタデータ） (2023-03-16T13:15:03Z)
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。