論文の概要: Rethinking Visual Provenance: Detection and Watermarking Across Direct Visual Generation and LLM-Driven Code Rendering

• arxiv url: http://arxiv.org/abs/2610.08137v1
• Date: Tue, 06 Oct 2026 10:53:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.945114
• Title: Rethinking Visual Provenance: Detection and Watermarking Across Direct Visual Generation and LLM-Driven Code Rendering
• Title（参考訳）: ビジュアル・プロヴァンスを再考する: 直接視覚生成とLCM駆動コードレンダリングにおける検出と透かし
• Abstract要約: AIシステムは、画像/ビデオ生成モデルを使った画像とビデオを作成したり、コードやグラフィック記述を記述して描画することで作成する。 両経路を横断する検出と透かしを比較する生産中心のフレームワークを開発した。 プロダクションステージでは、画像、ビデオ、ソースコード、およびウォーターマークを整理する。
• 参考スコア（独自算出の注目度）: 10.493765790324654
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: AI systems create images and videos with image/video generation models or by writing code and graphics descriptions that are then rendered. These routes can produce similar visible artifacts but expose different representations, intervention points, and provenance evidence. We develop a production-centered framework that compares detection and watermarking across both routes. An explicit verification specification distinguishes passive inference, message recovery, and authenticated provenance. We organize image, video, source-code, and rendering-aware watermarks by production stage. We examine the different requirements of generated images and video, plots and SVG, programmable video, and agent-composed workflows. Documented Claude, OpenAI, and rendering-tool interfaces connect the framework to concrete systems. We pose ten scoped research questions on identifiability, observability, fair comparison across stages, recoverable payload, reconstruction, synchronization, composition, hybrid local contribution, and private production-event authentication. The result is a conceptual research agenda grounded in published methods, inspected interfaces, and elementary boundary examples. It reports no experiments and claims no new theorems; its appendix results are elementary calculations, and documentation and source inspection establish interfaces, not empirical robustness.
• Abstract（参考訳）: AIシステムは、画像/ビデオ生成モデルを使った画像とビデオを作成したり、コードやグラフィック記述を記述して描画することで作成する。 これらのルートは、類似した可視的アーティファクトを生成することができるが、異なる表現、介入点、および証明証拠を公開することができる。 両経路を横断する検出と透かしを比較する生産中心のフレームワークを開発した。 明示的な検証仕様は、受動的推論、メッセージ回復、認証された証明を区別する。 プロダクションステージでは、画像、ビデオ、ソースコード、レンダリング対応の透かしを整理する。 生成した画像とビデオ,プロットとSVG,プログラマブルビデオ,エージェント構成ワークフローの異なる要件について検討する。 ドキュメント化されたClaude、OpenAI、レンダリングツールインターフェースは、フレームワークを具体的なシステムに接続する。 我々は、識別可能性、観測可能性、ステージ間の公正な比較、回復可能なペイロード、再構築、同期、合成、ハイブリッドなローカルコントリビューション、プライベートなプロダクション・イベント認証に関する10の研究課題を提起する。 結果は、公開方法、検査済みインタフェース、基本境界例に基づく概念研究の課題である。 実験を報告せず、新たな定理も主張せず、付録の結果は基本的な計算であり、文書とソース検査は経験的堅牢性ではなくインターフェースを確立する。

関連論文リスト

• MaLiang-Harness: A Programmable Path to Image and Video Generation [131.25289080401856]
  本稿では,MLLMによる視覚生成を永続的な構築・検査・修正プロセスにまとめるフレームワークであるMaLiang-Harnessを紹介する。 我々は,MaLiang-IBench上の11個の強力なクローズソースMLLMとMaLiang-VBench上の4つのMLLMを評価し,生成成功,視覚的品質,計算コストを測定した。
  論文  参考訳（メタデータ） (2026-09-28T04:48:06Z)
• Retrosynthesis of Synthetic Media for Explainable AI Provenance Forensics [28.375184021885]
  本稿では,固定生成器環境下でのAI証明の自己参照的再合成フレームワークを提案する。 我々は、ラウンドトリップ整合性検証を可能にする自己埋め込み機構を実装するために、共同最適化エンコーダデコーダペアを使用する。 当社のアプローチでは,生成プロセスに透かしの埋め込みや修正を加える必要がなくなる。
  論文  参考訳（メタデータ） (2026-09-02T08:15:52Z)
• LogiShot: Logically Coherent Cross-Shot Video Generation [68.674867923812]
  我々は、映像生成におけるクロスショット論理コヒーレンスの実現には、ショット間の論理的接続を確立し、視覚的一貫性を維持する必要があると論じている。 本稿では,2つの補完経路を通じて情報を組み込むLogiShotを提案する。 実験により、LogiShotは複数のショットにまたがる論理的コヒーレンスの観点から、既存のベースラインを一貫して上回っていることが示された。
  論文  参考訳（メタデータ） (2026-08-09T17:11:57Z)
• Beyond NL2Code: A Structured Survey of Multimodal Code Intelligence [31.954261925882452]
  このサーベイは、視覚的に接地された入力と出力の下でコードを生成し、編集し、洗練し、理屈を定めているシステムを調べます。 まず、コードが各タスクで果たす役割によってフィールドを定式化します。 次に、ベンチマークとメソッドをグラフィカルユーザインタフェース、システミックビジュアライゼーション、構造化グラフィックス、フロンティアタスクとフレームワークの4つのドメインにまとめます。
  論文  参考訳（メタデータ） (2026-06-14T17:21:43Z)
• How Well Do Models Follow Visual Instructions? VIBE: A Systematic Benchmark for Visual Instruction-Driven Image Editing [56.60465182650588]
  我々は,3段階の相互作用階層を導入し,決定的接地,形態的操作,因果推論を捉える。 本稿では,スケーラブルできめ細かい評価を実現するために,タスク固有のメトリクスを備えた堅牢なLMM-as-a-judge評価フレームワークを提案する。 プロプライエタリなモデルは早期の視覚指示追従能力を示し、一貫してオープンソースモデルを上回っていることがわかった。
  論文  参考訳（メタデータ） (2026-02-02T09:24:45Z)
• SynthID-Image: Image watermarking at internet scale [55.5714762895087]
  本稿では,AI生成画像の透かしを行うディープラーニングシステムであるSynthID-Imageを紹介する。 本稿では,このようなシステムをインターネット規模で展開する上での技術的デシラタ,脅威モデル,実践的課題について述べる。
  論文  参考訳（メタデータ） (2025-10-10T11:03:31Z)
• SelfDocSeg: A Self-Supervised vision-based Approach towards Document Segmentation [15.953725529361874]
  文書レイアウト分析は文書研究コミュニティにとって既知の問題である。 個人生活へのインターネット接続が拡大するにつれ、パブリックドメインでは膨大な量のドキュメントが利用できるようになった。 我々は,この課題に自己監督型文書セグメンテーションアプローチと異なり,自己監督型文書セグメンテーションアプローチを用いて対処する。
  論文  参考訳（メタデータ） (2023-05-01T12:47:55Z)
• One-shot Scene Graph Generation [130.57405850346836]
  ワンショットシーングラフ生成タスクに対して,複数の構造化知識(関係知識知識)を提案する。 提案手法は既存の最先端手法よりも大きなマージンで優れる。
  論文  参考訳（メタデータ） (2022-02-22T11:32:59Z)
• Open-Domain, Content-based, Multi-modal Fact-checking of Out-of-Context Images via Online Resources [70.68526820807402]
  実際のイメージは、コンテキストや要素を誤って表現することによって、他の物語をサポートするために再目的化される。 私たちのゴールは、画像とコンテキストのペアリングを事実チェックすることで、この時間を要する、推論集約的なプロセスを自動化する検査可能な方法です。 私たちの研究は、オープンドメイン、コンテンツベース、マルチモーダルなファクトチェックのための最初のステップとベンチマークを提供します。
  論文  参考訳（メタデータ） (2021-11-30T19:36:20Z)

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。