Fugu-MT 論文翻訳(概要): Dissecting Agentic Forensics: The Role of Triage, Prompting, and Evidence Arbitration in Open-World Fake Image Detection

論文の概要: Dissecting Agentic Forensics: The Role of Triage, Prompting, and Evidence Arbitration in Open-World Fake Image Detection

arxiv url: http://arxiv.org/abs/2609.24359v1
Date: Mon, 21 Sep 2026 09:48:34 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-22 20:29:01.249665
Title: Dissecting Agentic Forensics: The Role of Triage, Prompting, and Evidence Arbitration in Open-World Fake Image Detection
Title（参考訳）: エージェント鑑定:オープンワールドフェイク画像検出におけるトリアージ・プロンプティング・エビデンス・アビデンス・アビデンスの役割
Abstract要約: 本研究では, 専門検出器, 検出器単位のトリアージ, 競合認識による証拠仲裁を中心に, トレーニング不要なエージェント・フレームワークについて検討する。 6つの構成と3つの多モーダルな言語モデルバックボーンを用いて、分配データと配布外データの両方において、トリアージ、プロンプト、および推論品質の役割を識別する。以上の結果より, 難治性検出器融合は画像の偽陽性率が高いことが示唆された。
参考スコア（独自算出の注目度）: 14.678027809338966
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Image forensics is increasingly an open-world problem: manipulations range from fully synthetic images to localized edits, splicing and swapping, while most forensic detectors remain specialized to a single manipulation family. Agentic AI has recently emerged as a promising solution. In principle, such systems can assess the reliability of individual detectors, identify out-of-scope evidence, and arbitrate conflicting reports. However, it remains unclear which components actually drive performance and whether their benefits persist under distribution shift. To answer these questions, we study a training-free agentic framework built around specialist detectors, per-detector triage, and conflict-aware evidence arbitration. Using six configurations and three multimodal large language model backbones, we dissect the role of triage, prompting, and reasoning quality on both in-distribution and out-of-distribution data. Our results show that naive detector fusion suffers from severe false-positive rates on authentic images. Triage and prompting consistently improve performance by filtering unreliable evidence and exposing detector limitations. However, the dominant factor is represented by reasoning itself: A stronger judge substantially outperforms a weaker one, particularly under distribution shift. Most notably, manipulation recall is nearly saturated across all configurations, indicating that the main challenge of open-world image forensics is not detecting manipulations, but calibrating trust in specialized forensic tools and arbitrating conflicting evidence.
Abstract（参考訳）: 完全な合成画像から、局所的な編集、スプライシング、スワップまで、多くの法医学的検出器は依然として単一の操作ファミリーに特化している。 Agentic AIは最近、有望なソリューションとして登場した。原則として、このようなシステムは個々の検出器の信頼性を評価し、顕微鏡外証拠を特定し、矛盾する報告を仲裁することができる。しかしながら、どのコンポーネントが実際にパフォーマンスを駆動し、そのメリットが分散シフトの下で持続するかどうかは不明だ。これらの疑問に答えるために、専門的な検出器、検出器ごとのトリアージ、矛盾を意識した証拠仲裁を中心に構築された、トレーニング不要なエージェントフレームワークについて検討する。 6つの構成と3つの多モーダルな言語モデルバックボーンを用いて、分配データと配布外データの両方において、トリアージ、プロンプト、および推論品質の役割を識別する。以上の結果より, 難治性検出器融合は画像の偽陽性率が高いことが示唆された。トリアージとプロンプトは信頼できない証拠をフィルタリングし、検出器の限界を露呈することで、一貫して性能を向上する。強い判断は、特に分布シフトの下では、より弱い判断よりもかなり優れている。最も注目すべきは、操作のリコールはあらゆる構成でほぼ飽和しており、オープンワールドの画像法医学の主な課題は、操作を検出することではなく、専門の法医学ツールへの信頼を校正し、矛盾する証拠を仲裁することであることを示している。

関連論文リスト

FACT: A Forensic Agent with Compiled Tool-Use Trajectories for AI-Generated Image Detection [29.12198821643909]
FACTは、法医学的分析のための画像条件付きツール利用ポリシーを学習する。どの法医学ツールを呼び出すかを決定し、返却された証拠を解釈し、十分な証拠が収集されたときに停止する。
論文参考訳（メタデータ） (2026-09-05T04:39:49Z)
BIAS-ID: A Framework for Analyzing Transformation Biases in AI-Generated Image Detectors [16.177897817197437]
我々は、検出器がバイアスを受ける意味と、それが頑丈さの欠如とどのように異なるかについて議論する。 AI生成画像検出器における変換バイアスの存在を分析し定量化するための透明なフレームワークであるBIAS-IDを提案する。本研究は,信頼性の高いAI画像検出器の開発におけるバイアス認識評価の重要性を強調した。
論文参考訳（メタデータ） (2026-05-29T11:04:11Z)
The Courtroom Trial of Pixels: Robust Image Manipulation Localization via Adversarial Evidence and Reinforcement Learning Judgment [15.520850734569564]
我々は,IMLタスクを証拠の対決とみなす法廷スタイルのIMLフレームワークを提案する。我々は,不確実な地域で戦略的再推論と改良を行う強化学習モデルを開発した。実験結果から,本モデルはSOTA IML法と比較して平均性能が優れていることがわかった。
論文参考訳（メタデータ） (2026-04-16T07:09:59Z)
D-SECURE: Dual-Source Evidence Combination for Unified Reasoning in Misinformation Detection [9.049034101566642]
マルチモーダルな誤報は、現実的な即興編集と、流動的だが誤解を招くテキストを混在させ、検証が難しい説得的な投稿を生み出している。 D-SECUREは、内部操作検出と外部エビデンスに基づくニューススタイル投稿の推論を組み合わせたフレームワークである。
論文参考訳（メタデータ） (2026-02-16T03:51:49Z)
TriDF: Evaluating Perception, Detection, and Hallucination for Interpretable DeepFake Detection [28.635829897413416]
TriDFはDeepFake検出の解釈可能なベンチマークである。本稿では,DeepFake検出のための総合的なベンチマークであるTriDFを紹介する。
論文参考訳（メタデータ） (2025-12-11T14:01:01Z)
RoboView-Bias: Benchmarking Visual Bias in Embodied Agents for Robotic Manipulation [67.38036090822982]
ロボット操作における視覚バイアスの定量化を目的とした,最初のベンチマークであるRoboView-Biasを提案する。我々は、個々の視覚的要因とその相互作用によって引き起こされるバイアスの堅牢な測定を可能にする2,127のタスクインスタンスを作成します。本研究は,視覚バイアスの系統的解析が,安全で信頼性の高い汎用的なエンボディエージェントの開発に必須であることを示す。
論文参考訳（メタデータ） (2025-09-26T13:53:25Z)
Propose and Rectify: A Forensics-Driven MLLM Framework for Image Manipulation Localization [49.71303998618939]
本稿では,意味論的推論と法科学的な分析を橋渡しするPropose-Rectifyフレームワークを提案する。提案手法は,具体的技術実証により,初期セマンティックな提案が体系的に検証され,拡張されることを保証し,包括的検出精度と局所化精度を実現する。
論文参考訳（メタデータ） (2025-08-25T12:43:53Z)
ForensicsSAM: Toward Robust and Unified Image Forgery Detection and Localization Resisting to Adversarial Attack [56.0056378072843]
高い転送性を持つ逆画像は上流モデルでのみ作成可能であることを示す。本稿では,IFDLフレームワークを組み込んだForensicsSAMを提案する。
論文参考訳（メタデータ） (2025-08-10T16:03:44Z)
MMNet: Multi-Collaboration and Multi-Supervision Network for Sequential Deepfake Detection [81.59191603867586]
シークエンシャルディープフェイク検出は、回復のための正しいシーケンスで偽の顔領域を特定することを目的としている。偽画像の復元には、逆変換を実装するための操作モデルの知識が必要である。顔画像の空間スケールや逐次順列化を扱うマルチコラボレーション・マルチスーパービジョンネットワーク(MMNet)を提案する。
論文参考訳（メタデータ） (2023-07-06T02:32:08Z)
Occluded Prohibited Items Detection: an X-ray Security Inspection Benchmark and De-occlusion Attention Module [50.75589128518707]
我々はOPIXrayというセキュリティ検査のための最初の高品質なオブジェクト検出データセットをコントリビュートする。 OPIXrayは、空港のプロの検査官が手動で注記した「カッター」に焦点をあてた。本稿では,プラグイン・アンド・プレイモジュールであるデオクルージョン・アテンション・モジュール(DOAM)を提案する。
論文参考訳（メタデータ） (2020-04-18T16:10:55Z)

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。