論文の概要: UNMATCH: Selective Unbalanced Token-Patch Matching for Forensic Image-Claim Verification

• arxiv url: http://arxiv.org/abs/2609.31766v1
• Date: Thu, 24 Sep 2026 10:23:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 12:57:56.577145
• Title: UNMATCH: Selective Unbalanced Token-Patch Matching for Forensic Image-Claim Verification
• Title（参考訳）: UNMATCH: 法医学的画像クレーム検証のための選択的不均衡トケパッチマッチング
• Abstract要約: 文脈的画像誤用は、画像と誤解を招くクレームをペアリングする。 文脈外再利用,視覚操作,あるいはその両方を含むファクトチェックされたペアにおける画像認識対応について検討する。 両方向の局所像定位親和性を要約したコンパクトな表現である指向性マルチスケールカバレッジを導入する。
• 参考スコア（独自算出の注目度）: 1.8220929774813663
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Contextual image misuse pairs an image with a misleading claim. We study image-claim correspondence in fact-checked pairs containing out-of-context reuse, visual manipulation, or both. Existing pair-based detectors often compress the two modalities into a global compatibility score or learn a highly flexible interaction module, which can obscure a decisive local mismatch. We introduce directional multiscale coverage, a compact representation that summarizes local image-claim affinity in both directions and at three spatial scales. At each scale, each direction is summarized by its mean, lower quartile, and two thresholded support ratios; the signed difference between directional means completes a nine-dimensional scale descriptor. Concatenating the three scales yields a compact local representation for a lightweight global-local classifier. Under leakage-aware three-fold, three-seed evaluation on the Snopes subset of the Fauxtography benchmark, UNMATCH achieves 69.82 Macro-F1 and 71.05 balanced accuracy, exceeding the MCOT adaptation by 2.60 and 2.16 points. A matched-reassigned intervention shows that breaking the observed pairing lowers coverage and increases both discrepancy and false-pair probability.
• Abstract（参考訳）: 文脈的画像誤用は、画像と誤解を招くクレームをペアリングする。 文脈外再利用,視覚操作,あるいはその両方を含むファクトチェックされたペアにおける画像認識対応について検討する。 既存のペアベースの検出器は、2つのモードを大域的な互換性スコアに圧縮するか、高度に柔軟な相互作用モジュールを学習し、決定的な局所的なミスマッチを曖昧にすることができる。 両方向および3つの空間スケールで局所的な画像定義親和性を要約したコンパクトな表現である指向性マルチスケールカバレッジを導入する。 各スケールにおいて、各方向を平均、低準位、2つの閾値支持比で要約し、符号付き方向手段間の差分が9次元スケール記述子を完成させる。 3つのスケールを連結すると、軽量なグローバル局所分類器のコンパクトな局所表現が得られる。 UNMATCHは、FauxtographyベンチマークのSnopesサブセットのリークを意識した3つの評価のもと、69.82 Macro-F1と71.05のバランスの取れた精度を達成し、MCOTの2.60と2.16ポイントを超えた。 一致した条件付き介入は、観測されたペアリングを破ることによってカバレッジが低下し、不一致と偽ペアの確率が増大することを示している。

関連論文リスト

• OmniJudge or OmniBias? Diagnosing Multimodal Judges through Balanced, Decoupled Lenses [15.379006872674106]
  D3-Omniは、微粒なマルチモーダル理解を診断するためのバランスのとれた、分離されたベンチマークである。 次元にわたって情報を漏らすような出力を再生成するのではなく、正の正の種子を固定し、負を導出する。 結果として得られるD3設計はデュアルバランスであり、負のサンプル不足とディメンション毎のラベルの不均衡を軽減するのに役立つ。
  論文  参考訳（メタデータ） (2026-08-25T07:18:35Z)
• Mapping and Measuring the Behavioral Evolution of Large Language Models [28.603443859513153]
  ベンチマークのリーダーボードは、言語モデルのパフォーマンスを概説するが、その振る舞いが他のモデルとどのように関係しているか、世代によって異なる。 1万のプロンプトの共有バンクに対する応答を用いて、6つのファミリーから32モデルの出力挙動を特徴付ける。
  論文  参考訳（メタデータ） (2026-08-11T15:07:28Z)
• When Does Consensus Mean Correctness? Measuring the Agreement-Accuracy Coupling with Semantics-Preserving Re-Rendering [0.8594140167290097]
  ラベルのない信頼性信号として、摂動入力間のモデルの合意が使用される。 レンダリングは正確さと信頼性の両方で再サンプリングする。 モデル自身のクロスレンダーコンセンサスインバータを微調整する。
  論文  参考訳（メタデータ） (2026-08-06T07:08:05Z)
• Mind the Gap: Standard 3DGS Evaluation Primarily Measures Near-Trajectory Interpolation [0.0]
  標準的な3Dガウススプレイティング評価では、すべてのN番目のフレームが定義されているが、これらのフレームは両側の隣人を訓練しているため、計量は空間的な一般化よりもほぼ軌道を測っている。 この効果を分離するフェアマッチカウントプロトコルを導入する。 両腕は同じ数の画像を訓練し、ホールドアウトが均等に広がるか(補間)、または連続的な空間セクターを形成するか(補間)が異なる。
  論文  参考訳（メタデータ） (2026-07-02T00:24:15Z)
• Explicit Correspondence Matching for Generalizable Neural Radiance Fields [66.99907718824782]
  本稿では,新たな未知のシナリオに一般化し,2つのソースビューで新規なビュー合成を行う新しいNeRF手法を提案する。 明瞭な対応マッチングは、異なるビュー上の3Dポイントの2次元投影でサンプリングされた画像特徴間のコサイン類似度と定量化される。 実験では,実験結果から得られたコサイン特徴の類似性と体積密度との間に強い相関関係が認められた。
  論文  参考訳（メタデータ） (2023-04-24T17:46:01Z)
• Boosting Few-shot Fine-grained Recognition with Background Suppression and Foreground Alignment [53.401889855278704]
  FS-FGR (Few-shot Fine-fine Recognition) は、限られたサンプルの助けを借りて、新しいきめ細かなカテゴリを認識することを目的としている。 本研究では,背景アクティベーション抑制 (BAS) モジュール,フォアグラウンドオブジェクトアライメント (FOA) モジュール,および局所的局所的(L2L) 類似度測定器からなる2段階の背景アライメントとフォアグラウンドアライメントフレームワークを提案する。 複数のベンチマークで行った実験により,提案手法は既存の最先端技術よりも大き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） (2022-10-04T07:54:40Z)
• Probabilistic Warp Consistency for Weakly-Supervised Semantic Correspondences [118.6018141306409]
  本稿では,セマンティックマッチングのための弱教師付き学習目標である確率ワープ一貫性を提案する。 まず、同じオブジェクトクラスの異なるインスタンスを表現したペアで、既知のワープを画像の1つに適用することで、画像トリプルを構築する。 我々の目的はまた、キーポイントアノテーションと組み合わせることで、強く監督された体制を大幅に改善する。
  論文  参考訳（メタデータ） (2022-03-08T18:55:11Z)
• Improving Calibration in Deep Metric Learning With Cross-Example Softmax [11.014197662964335]
  我々は,トップ$kとしきい値の関係性を組み合わせたクロスサンプルソフトマックスを提案する。 各イテレーションにおいて、提案された損失は、すべてのクエリがすべての非マッチングイメージよりも、すべてのクエリが一致するイメージに近づくことを奨励する。 これにより、世界規模で校正された類似度メートル法が導き出され、距離は関連性の絶対測度としてより解釈可能である。
  論文  参考訳（メタデータ） (2020-11-17T18:47:28Z)
• High-Order Information Matters: Learning Relation and Topology for Occluded Person Re-Identification [84.43394420267794]
  本稿では,高次関係とトポロジ情報を識別的特徴とロバストなアライメントのために学習し,新しい枠組みを提案する。 我々のフレームワークはOccluded-Dukeデータセットで最先端の6.5%mAPスコアを大幅に上回っている。
  論文  参考訳（メタデータ） (2020-03-18T12:18:35Z)

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。