論文の概要: Agentic Tool-Augmented Reasoning for Explainable Image Forgery Detection

• arxiv url: http://arxiv.org/abs/2609.39066v1
• Date: Wed, 30 Sep 2026 06:05:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:27.2672
• Title: Agentic Tool-Augmented Reasoning for Explainable Image Forgery Detection
• Title（参考訳）: 説明可能な画像偽造検出のためのエージェントツール強化推論
• Abstract要約: Agentic Tool-Augmented Reasoning (ATAR)は、画像偽造を自律的に検出、ローカライズ、説明するための22の専門的な法医学ツールを統合するフレームワークである。 ATARは6つのゼロショットIMDLベンチマークで平均画像レベルF1を78.5%達成し、MLLMベースラインを11.8ポイント上回っている。
• 参考スコア（独自算出の注目度）: 48.60097370787039
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Conventional image forgery detection methods produce binary scores or pixel-level masks without interpretable evidence, while recent multimodal large language model (MLLM)-based approaches generate post-hoc explanations of predetermined classification results rather than reasoning from evidence. Inspired by the forensic workflow of human judicial experts, we propose Agentic Tool-Augmented Reasoning (ATAR), a framework integrating 22 specialized forensic tools across seven complementary domains to autonomously detect, localize, and explain image forgeries through multi-turn reasoning. A Dual-Stream Forensic Reasoning paradigm combines a high-level semantic anomaly path, which magnifies suspicious regions for fine-grained inspection, with a low-level forgery artifact path, which invokes forensic tools to extract objective evidence. We further introduce Forensics Curriculum Learning: during General Experience SFT, an automated teacher-student mentoring pipeline synthesizes multi-turn tool-usage reasoning trajectories; during Forensic Scene RL, a Tool Prior Curriculum guides early tool exploration and progressively transfers control to the agent, while a Structured Evidence Reward provides fine-grained process-level supervision. Experiments across IMDL, Deepfake detection, DMDL, and AIGC detection show that ATAR achieves 78.5% average image-level F1 on six zero-shot IMDL benchmarks, surpassing the strongest MLLM baseline by 11.8 percentage points, and remains competitive with specialized detectors on other tasks while producing substantially more faithful and grounded explanations.
• Abstract（参考訳）: 従来の画像偽造検出手法では,2値スコアや画素レベルのマスクを解釈不可能に生成する一方で,近年のマルチモーダル大規模言語モデル(MLLM)に基づくアプローチでは,証拠から推論するのではなく,所定の分類結果のポストホックな説明を生成する。 人間の司法専門家の法医学的ワークフローから着想を得たエージェントツール強化推論(ATAR, Agentic Tool-Augmented Reasoning)を提案する。 Dual-Stream Forensic Reasoningパラダイムは、不審な領域を拡大して詳細な検査を行う高レベルの意味的異常パスと、低レベルの偽造品パスを組み合わせることで、法医学ツールを起動して客観的証拠を抽出する。 さらに、Forensics Curriculum Learningについて紹介する: 教師が指導する自動指導パイプラインであるGeneral Experience SFTでは、マルチターンツール利用推論トラジェクトリを合成し、Forensic Scene RLでは、ツール事前学習が早期ツール探索と段階的にエージェントへの制御をガイドし、Structured Evidence Rewardはきめ細かなプロセスレベルの監視を提供する。 IMDL、ディープフェイク検出、DMDL、AIGC検出実験により、ATARは6つのゼロショットIMDLベンチマークで78.5%の平均画像レベルF1を達成し、最強のMLLMベースラインを11.8ポイント上回った。

関連論文リスト

• From Sharp Eyes to Expert Mind: Internalizing Expert Knowledge in MLLMs for Tampered Text Detection [62.709778159272474]
  Expert Knowledge Internalization (EKI)は、法医学の専門知識をMLLM(Multimodal Large Language Models)に伝達する2段階のフレームワークである。 EKIは、既存のエキスパートモデルベースやMLLMベースの手法よりも最先端の性能と強力な一般化を実現している。
  論文  参考訳（メタデータ） (2026-09-28T19:20:22Z)
• 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)
• Perception, Verdict, and Evolution: Hindsight-Driven Self-Refining Forensics Agent for AI-Generated Image Detection [80.15317858033534]
  ForeAgentは、反復的な自己進化を伴うAI生成画像検出のためのエージェント法医学フレームワークである。 ForeAgentはChameleonベンチマークで最先端のパフォーマンスを達成し、精度は82.18%に達した。 ForeAgent は GPT-5 や GPT-5-mini と比較して、より一貫性があり、因果的な推論をもたらす。
  論文  参考訳（メタデータ） (2026-06-25T02:59:33Z)
• Deep Residual Injection for Full-Spectrum Forensic Signal Perception in Multimodal Large Language Models [51.099179436350376]
  マルチモーダルな大言語モデル(MLLM)は、その堅牢な意味理解のために、法医学においてますます採用されている。 本稿では,人工物固有の視覚信号を中間層に残路として注入しながら,初期意味処理を保存するためのDeep Visual Residual MLLM(Deep-VRM)を提案する。 これにより、後続のレイヤは意味論的推論と信号レベルの法医学的手がかりを共同でモデル化することができ、驚くべきことに、モデルが入力に応じて異なるレベルの法医学的信号を適応的に活用することを学ぶ。
  論文  参考訳（メタデータ） (2026-06-14T16:05:45Z)
• AgentFoX: LLM Agent-Guided Fusion with eXplainability for AI-Generated Image Detection [21.02452809723292]
  動的多相解析プロセスとしてAIGI検出を再定義するフレームワークである textbfAgentFoX を提案する。 本手法では,キュレートされた知識ベースによって誘導される高速積分融合機構を用いる。 AgentFoXは、その判断を裏付ける詳細な人間可読な法医学レポートを作成している。
  論文  参考訳（メタデータ） (2026-03-24T12:10:21Z)
• Code-in-the-Loop Forensics: Agentic Tool Use for Image Forgery Detection [59.04089915447622]
  ForenAgentはインタラクティブなIFDフレームワークで、MLLMが検出対象に関するPythonベースの低レベルツールを自律的に生成、実行、洗練することができる。 人間の推論にインスパイアされた我々は、グローバルな認識、局所的な焦点、反復的探索、そして全体論的偏見を含む動的推論ループを設計する。 実験の結果,ForenAgent は IFD 課題に対する創発的なツール利用能力と反射的推論を示すことがわかった。
  論文  参考訳（メタデータ） (2025-12-18T08:38:44Z)
• From Evidence to Verdict: An Agent-Based Forensic Framework for AI-Generated Image Detection [19.240335260177382]
  AIFo(Agent-based Image Forensics)は、マルチエージェントコラボレーションによる人間の法医学的調査をエミュレートする、トレーニング不要のフレームワークである。 従来の手法とは異なり,本フレームワークでは,リバース画像検索,メタデータ抽出,事前学習型分類器,VLM解析など,一連の法医学的ツールを用いている。 我々の総合的な評価は6000のイメージに及び、現代の生成プラットフォームや多様なオンラインソースの画像を含む現実世界のシナリオに挑戦する。
  論文  参考訳（メタデータ） (2025-10-31T18:36:49Z)
• ForgerySleuth: Empowering Multimodal Large Language Models for Image Manipulation Detection [107.86009509291581]
  我々はForgerySleuthを提案し、包括的ヒント融合を行い、改ざんされた領域を示すセグメンテーション出力を生成する。 ForgeryAnalysisの有効性を実証し,ForgerySleuthが既存手法の堅牢性,一般化性,説明可能性において著しく優れていたことを示す。
  論文  参考訳（メタデータ） (2024-11-29T04:35:18Z)

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。