論文の概要: A Multi-View and Confusion-Guided Ensemble Framework for Robust Synthetic Image Attribution
- arxiv url: http://arxiv.org/abs/2609.11188v1
- Date: Thu, 10 Sep 2026 07:54:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-11 23:53:35.245662
- Title: A Multi-View and Confusion-Guided Ensemble Framework for Robust Synthetic Image Attribution
- Title（参考訳）: ロバスト合成画像アトリビューションのためのマルチビュー・コンフュージョン誘導アンサンブルフレームワーク
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.6768558752130311
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Synthetic image attribution (SIA) has become increasingly important with the rapid advancement of text-to-image generation models. However, accurately identifying the source model of a generated image remains challenging due to the growing similarity among modern diffusion-based generators and the presence of diverse post-processing operations. In this report, we present a multi-view and confusion-guided ensemble framework for the Synthetic Image Attribution Challenge of the DLMMDD Workshop at ICANN 2026. Our approach integrates multiple complementary architectures, including FFT-ConvNeXt, DINOv2, CLIP, and Xception, to capture diverse attribution cues from frequency, semantic, and forensic perspectives. To improve robustness against unknown degradations and image manipulations, extensive data augmentation strategies are employed during training, simulating realistic post-processing operations such as compression, resizing, grayscale conversion, and blur. Furthermore, we analyze the confusion patterns of the ensemble model and observe severe ambiguity between Stable Diffusion 3 and Stable Diffusion 3.5. To address this issue, we introduce a dedicated binary expert classifier that is selectively activated under low-confidence conditions. We additionally apply class-adaptive confidence calibration to improve the discrimination of challenging classes such as Tencent Hunyuan. The proposed framework achieved 99.53% on the public leaderboard and 99.20% on the private leaderboard. The source code and implementation details are publicly available at https://github.com/ZOMIN28/SIA.
- Abstract（参考訳）: テキスト・画像生成モデルの急速な進歩に伴い、合成画像属性(SIA)の重要性が高まっている。
しかし,現代の拡散型ジェネレータと多種多様な後処理操作の存在により,生成画像のソースモデルを正確に同定することは困難である。
本稿では,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・混乱誘導型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。
未知の劣化や画像操作に対する堅牢性を改善するため、トレーニング中に広範なデータ拡張戦略が採用され、圧縮、リサイズ、グレースケール変換、ぼやけなどの現実的な後処理操作をシミュレートする。
さらに,アンサンブルモデルの混乱パターンを分析し,安定拡散3と安定拡散3.5の厳密なあいまいさを観察した。
この問題に対処するために、低信頼条件下で選択的に活性化される専用バイナリエキスパート分類器を導入する。
また、Tencent Hunyuanのような挑戦的なクラスの識別を改善するために、クラス適応型信頼度校正を適用した。
提案されたフレームワークは、公共のリーダーボードで99.53%、民間のリーダーボードで99.20%を達成した。
ソースコードと実装の詳細はhttps://github.com/ZOMIN28/SIA.comで公開されている。
関連論文リスト
- HABIT: Chrono-Synergia Robust Progressive Learning Framework for Composed Image Retrieval [32.85064790572752]
Composed Image Retrieval (CIR) はフレキシブルな画像検索パラダイムであり、ユーザーがターゲット画像の正確な位置を特定することができる。
本稿では、合成画像検索(HABIT)のためのcHrono-synergiA roBustプログレッシブIve学習フレームワークを提案する。
2つの標準CIRデータセットで実施された実験により、HABITは様々なノイズ比でほとんどの手法を著しく上回っていることが示された。
論文 参考訳（メタデータ） (2026-04-20T10:02:18Z) - Group Diffusion: Enhancing Image Generation by Unlocking Cross-Sample Collaboration [88.94434023253872]
画像間で共有するアテンション機構をアンロックするグループ拡散を提案する。
グループのサイズが大きくなれば、より強力なクロスサンプルの注意と、より優れた生成品質が得られる。
本研究は, クロスサンプル推論を, 生成モデリングの有効な, 未探索のメカニズムとして明らかにした。
論文 参考訳（メタデータ） (2025-12-11T18:59:55Z) - Towards Unified Semantic and Controllable Image Fusion: A Diffusion Transformer Approach [99.80480649258557]
DiTFuseは命令駆動のフレームワークで、単一のモデル内でセマンティクスを意識した融合を実行する。
パブリックなIVIF、MFF、MEFベンチマークの実験では、より優れた量的および質的な性能、よりシャープなテクスチャ、より優れたセマンティック保持が確認されている。
論文 参考訳（メタデータ） (2025-12-08T05:04:54Z) - SDiFL: Stable Diffusion-Driven Framework for Image Forgery Localization [46.258797633731746]
既存のイメージフォージェリーローカライゼーション手法は、労働集約的で高価な注釈付きデータに依存している。
私たちは、SDのイメージ生成と強力な知覚能力の両方を、画像法医学のフレームワークに統合した最初の人物です。
我々のフレームワークは、広く使用されているベンチマークデータセットのパフォーマンスを最大12%向上させる。
論文 参考訳（メタデータ） (2025-08-27T18:02:09Z) - MMAR: Towards Lossless Multi-Modal Auto-Regressive Probabilistic Modeling [64.09238330331195]
本稿では,MMAR(Multi-Modal Auto-Regressive)確率モデルフレームワークを提案する。
離散化の手法とは異なり、MMARは情報損失を効率的に回避するために、連続的に評価された画像トークンを取り入れている。
また,数値安定性問題に対処する理論的に実証された手法と,タスク目標の生成と理解のバランスをとるトレーニング戦略を提案する。
論文 参考訳（メタデータ） (2024-10-14T17:57:18Z) - Enhance Image Classification via Inter-Class Image Mixup with Diffusion Model [80.61157097223058]
画像分類性能を高めるための一般的な戦略は、T2Iモデルによって生成された合成画像でトレーニングセットを増強することである。
本研究では,既存のデータ拡張技術の欠点について検討する。
Diff-Mixと呼ばれる革新的なクラス間データ拡張手法を導入する。
論文 参考訳（メタデータ） (2024-03-28T17:23:45Z) - Improving Few-shot Image Generation by Structural Discrimination and
Textural Modulation [10.389698647141296]
画像生成の目的は、このカテゴリからいくつかの画像が与えられた場合、あるカテゴリに対して可塑性で多様な画像を生成することである。
既存のアプローチでは、異なる画像をグローバルに補間するか、事前に定義された係数で局所表現を融合する。
本稿では,内部局所表現に外部意味信号を注入する新しいメカニズムを提案する。
論文 参考訳（メタデータ） (2023-08-30T16:10:21Z) - DiffDis: Empowering Generative Diffusion Model with Cross-Modal
Discrimination Capability [75.9781362556431]
本稿では,拡散過程下での1つのフレームワークに,モダクティブと差別的事前学習を統一するDiffDisを提案する。
DiffDisは画像生成タスクと画像テキスト識別タスクの両方において単一タスクモデルよりも優れていることを示す。
論文 参考訳（メタデータ） (2023-08-18T05:03:48Z) - Diversity is Definitely Needed: Improving Model-Agnostic Zero-shot
Classification via Stable Diffusion [22.237426507711362]
モデル非依存ゼロショット分類(モデル非依存ゼロショット分類、英: Model-Agnostic Zero-Shot Classification、MA-ZSC)とは、訓練中に実際の画像を使わずに、実際の画像を分類するための非特異な分類アーキテクチャを訓練することである。
近年の研究では、拡散モデルを用いて合成訓練画像を生成することが、MA-ZSCに対処するための潜在的な解決策となることが示されている。
本研究では,事前学習した拡散モデルを用いてテキスト・画像生成プロセスの修正を行い,多様性を高める。
論文 参考訳（メタデータ） (2023-02-07T07:13:53Z) - Auto-regressive Image Synthesis with Integrated Quantization [55.51231796778219]
本稿では,条件付き画像生成のための多目的フレームワークを提案する。
CNNの帰納バイアスと自己回帰の強力なシーケンスモデリングが組み込まれている。
提案手法は,最先端技術と比較して,優れた多彩な画像生成性能を実現する。
論文 参考訳（メタデータ） (2022-07-21T22:19:17Z) - Encoding Robustness to Image Style via Adversarial Feature Perturbations [72.81911076841408]
我々は、画像画素ではなく特徴統計を直接摂動することで、頑健なモデルを生成することで、敵の訓練に適応する。
提案手法であるAdvBN(Adversarial Batch Normalization)は,トレーニング中に最悪の機能摂動を発生させる単一ネットワーク層である。
論文 参考訳（メタデータ） (2020-09-18T17:52:34Z)
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。