論文の概要: On the Separation of Human and AI-Generated Images in CLIP Embedding Space
- arxiv url: http://arxiv.org/abs/2608.25609v1
- Date: Wed, 26 Aug 2026 10:26:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-27 14:15:15.765455
- Title: On the Separation of Human and AI-Generated Images in CLIP Embedding Space
- Title（参考訳）: CLIP埋め込み空間における人間とAI生成画像の分離について
- Abstract要約: これまでに報告されていない現象をCLIP表現で同定する。
人間とAIが生成した絵画は、関節の埋め込み分布の主要な方向に沿って自然に分離する。
分離の根底にある視覚情報を識別し、埋め込み空間から画像領域まで追跡する。
- 参考スコア（独自算出の注目度）: 0.08460698440162889
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We identify a previously unreported phenomenon in CLIP representations: human and AI-generated paintings spontaneously separate along the dominant principal directions of their joint embedding distribution, without any supervised objective designed to distinguish the two classes. Rather than exploiting this phenomenon for detection, our objective is to interpret it: we seek to identify the visual information underlying the separation and to trace it back from the embedding space to the image domain. We pursue this objective through a progressive investigation combining interpretable image representations with gradient-based inversion, used systematically as an experimental probe of the relationships identified in feature space. Robustness experiments and increasingly expressive statistical descriptors progressively rule out several intuitive explanations based on global image properties and simple local statistics, and point instead to distributed multiscale image structure. Multiscale scattering provides the most informative interpretable representation considered, but offers only a partial account of the phenomenon. Direct inversion provides a complementary and striking observation: substantial displacements along the dominant CLIP directions can be induced by image perturbations that remain nearly imperceptible to human observers, showing that the directions involved in the separation are highly sensitive to image variations with very low perceptual salience for humans. Taken together, these results reveal a significant difference between the visual evidence reflected in CLIP representations and that readily accessible to human perception, raising broader questions about the relationship between artificial and human vision and, ultimately, between artificial and human aesthetic judgment.
- Abstract（参考訳）: これまでに報告されていないCLIP表現の現象を識別する: 人やAIが生成した絵画は、2つのクラスを区別するための監督対象を伴わずに、関節埋め込み分布の主方向に沿って自然に分離する。
この現象を検出のために活用するのではなく、我々は分離の根底にある視覚情報を識別し、埋め込み空間から画像領域まで追跡することを目的としている。
我々は,この目的を,解釈可能な画像表現と勾配に基づく逆転を組み合わせ,特徴空間で同定された関係の実験的調査として体系的に用いた進歩的研究によって追求する。
ロバスト性実験と、より表現力のある統計記述子は、グローバルな画像特性と単純な局所統計に基づいていくつかの直観的な説明を徐々に排除し、代わりに分散されたマルチスケール画像構造を指し示す。
マルチスケール散乱は、最も有益な解釈可能な表現を提供するが、この現象の部分的な説明しか提供しない。
直接反転は、補完的で印象的な観察を与える: 支配的なCLIP方向に沿ったかなりの変位は、人間の観察者にとってほとんど知覚できないイメージの摂動によって引き起こされ、分離に関わる方向が、人間の知覚的サリエンスが非常に低い画像の変動に非常に敏感であることを示す。
これらの結果は、CLIP表現に反映される視覚的エビデンスと人間の知覚に容易にアクセス可能な視覚的エビデンスとの間に有意な違いを示し、人工的および人間の視覚的判断と人間の美的判断との関係についてより広範な疑問を提起した。
関連論文リスト
- Understanding Why Foundation Models Work for Diffusion-Generated Image Detection [17.35112221493337]
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。
論文 参考訳（メタデータ） (2026-08-12T15:18:10Z) - INSIGHT: An Interpretable Neural Vision-Language Framework for Reasoning of Generative Artifacts [0.0]
現在の法医学システムは、現実世界の条件下で急速に低下している。
ほとんどの検出器は不透明物として機能し、なぜ画像が合成物としてフラグ付けされるのかについての知見はほとんど得られない。
本稿では,AI生成画像のロバスト検出と透過的説明のための統合フレームワークであるINSIGHTを紹介する。
論文 参考訳（メタデータ） (2025-11-27T11:43:50Z) - From Images to Perception: Emergence of Perceptual Properties by Reconstructing Images [1.77513002450736]
網膜-V1大脳皮質のいくつかの既知の事実に対応するバイオインスパイアされたアーキテクチャであるPerceptNetは、画像再構成に関連するさまざまなタスクにエンドツーエンドで最適化されている。
以上の結果から,エンコーダの段階は画像歪みに対する人間の知覚的判断と一貫した相関を示すことがわかった。
論文 参考訳（メタデータ） (2025-08-14T08:37:30Z) - Diffusion Model with Cross Attention as an Inductive Bias for Disentanglement [58.9768112704998]
遠方表現学習は、観測データ内の本質的要因を抽出する試みである。
我々は新しい視点と枠組みを導入し、クロスアテンションを持つ拡散モデルが強力な帰納バイアスとなることを示す。
これは、複雑な設計を必要とせず、クロスアテンションを持つ拡散モデルの強力な解離能力を明らかにする最初の研究である。
論文 参考訳（メタデータ） (2024-02-15T05:07:54Z) - Disentangled Interaction Representation for One-Stage Human-Object
Interaction Detection [70.96299509159981]
ヒューマン・オブジェクト・インタラクション(HOI)検出は、人間中心の画像理解のコアタスクである。
最近のワンステージ手法では、対話予測に有用な画像ワイドキューの収集にトランスフォーマーデコーダを採用している。
従来の2段階の手法は、非絡み合いで説明可能な方法で相互作用特徴を構成する能力から大きな恩恵を受ける。
論文 参考訳（メタデータ） (2023-12-04T08:02:59Z) - Towards Homogeneous Modality Learning and Multi-Granularity Information
Exploration for Visible-Infrared Person Re-Identification [16.22986967958162]
Visible-infrared person re-identification (VI-ReID) は、可視・赤外線カメラビューを介して人物画像の集合を検索することを目的とした、困難かつ必須の課題である。
従来の手法では, GAN (Generative Adversarial Network) を用いて, モーダリティ・コンシデント・データを生成する手法が提案されている。
そこで本研究では、視線外デュアルモード学習をグレーグレー単一モード学習問題として再構成する、統一されたダークラインスペクトルであるAligned Grayscale Modality (AGM)を用いて、モード間マッチング問題に対処する。
論文 参考訳（メタデータ） (2022-04-11T03:03:19Z) - Learning Affordance Grounding from Exocentric Images [79.64064711636975]
Affordance Groundingは、オブジェクト内のアクション可能性領域をグラウンド(すなわちローカライズ)するタスクである。
人間は様々な外心中心の相互作用を不変の自我中心の余裕に変換する能力を持っている。
本稿では,外心的視点,すなわち,外心的対象の相互作用と自我的対象のイメージが与えられた場合の空白化課題を提案する。
論文 参考訳（メタデータ） (2022-03-18T12:29:06Z) - Finding Biological Plausibility for Adversarially Robust Features via
Metameric Tasks [3.3504365823045044]
本研究では,非ロバスト表現よりも周辺計算が優れていることを示す。
本研究は,局所的なテクスチャ要約統計表現が人間を敵に強固に導く可能性を示唆するものである。
論文 参考訳（メタデータ） (2022-02-02T01:19:40Z) - Proactive Pseudo-Intervention: Causally Informed Contrastive Learning
For Interpretable Vision Models [103.64435911083432]
PPI(Proactive Pseudo-Intervention)と呼ばれる新しい対照的な学習戦略を提案する。
PPIは、因果関係のない画像の特徴を保護するために積極的に介入する。
また,重要な画像画素を識別するための,因果的に通知された新たなサリエンスマッピングモジュールを考案し,モデル解釈の容易性を示す。
論文 参考訳（メタデータ） (2020-12-06T20:30:26Z) - DRG: Dual Relation Graph for Human-Object Interaction Detection [65.50707710054141]
人-物間相互作用(HOI)検出の課題に対処する。
既存の方法は、人間と物体の対の相互作用を独立に認識するか、複雑な外観に基づく共同推論を行う。
本稿では,抽象的空間意味表現を活用して,各対象対を記述し,二重関係グラフを用いてシーンの文脈情報を集約する。
論文 参考訳（メタデータ） (2020-08-26T17:59:40Z) - Understanding Adversarial Examples from the Mutual Influence of Images
and Perturbations [83.60161052867534]
クリーンな画像と敵の摂動を遠ざけることで敵の例を分析し,その相互への影響を分析した。
以上の結果から,画像と普遍摂動の関係に対する新たな視点が示唆された。
我々は、オリジナルトレーニングデータを活用することなく、目標とするユニバーサルアタックの挑戦的なタスクを最初に達成した人物です。
論文 参考訳（メタデータ） (2020-07-13T05:00:09Z)
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。