論文の概要: EviScene: Beyond "Is It AI?" for Agentic Image Factuality Assessment

• arxiv url: http://arxiv.org/abs/2610.14609v1
• Date: Sat, 10 Oct 2026 05:52:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 12:38:09.750345
• Title: EviScene: Beyond "Is It AI?" for Agentic Image Factuality Assessment
• Title（参考訳）: EviScene: エージェント画像のファクチュアリティアセスメントのための "Is It AI?" を超えて
• Abstract要約: EviLensは10,174の画像と反響画像の専門家レビューされたベンチマークである。 EviSceneは、視覚検査、外部検索、エビデンス分析をインターリーブするマルチモーダルなReActエージェントである。 1,527イメージテストセットでは、トレーニングされたQwen3.5-9Bエージェントが79.05%のバランスの取れた精度と52.26%の厳密な証拠充足率(SESR)を達成する。
• 参考スコア（独自算出の注目度）: 32.31513187158664
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Determining whether an image is AI-generated does not establish whether the situation it depicts is factually supported. We formulate Image Factuality Assessment: given an image and a generic verification instruction, a system returns a supported or refuted verdict with an evidence-grounded explanation. Without a supplied textual claim, the system must progressively refine factual questions during investigation and align external evidence with the specific situation depicted. We introduce EviLens, an expert-reviewed benchmark of 10,174 supported and refuted images from controlled construction and web collection, covering twelve factual error types and evaluating both verdict accuracy and evidence sufficiency. We develop EviScene, a multimodal ReAct agent that interleaves visual inspection, external retrieval, and evidence analysis, using new findings to refine its questions and revisit relevant image details. We train a compact policy with supervised fine-tuning on reviewed teacher trajectories, followed by privileged on-policy self-distillation applied to verified decisions from the policy's own investigations. On the 1,527-image test set, the trained Qwen3.5-9B agent achieves 79.05% balanced accuracy and a Strict Evidence Sufficiency Rate (SESR) of 52.26%, improving over the same-backbone base agent by 6.71 and 9.37 percentage points, respectively. Its SESR is the highest among the evaluated agents.Code, models, and data will be released at https://github.com/wangzian828/EVISCENE and https://huggingface.co/ZiAnwang/EviScene.
• Abstract（参考訳）: 画像がAI生成されているかどうかを決定することは、その画像が実際にサポートされているかどうかを定めない。 画像のファクチュアリティ評価を定式化する:画像と一般的な検証命令が与えられた場合、システムはエビデンスに基づく説明で、支持されたあるいは反証された評定を返却する。 供給された文書的主張がなければ、システムは調査中に事実の質問を徐々に洗練し、外部の証拠を具体的な状況と整合させる必要がある。 EviLens(エビレンス)は,制御された構成やWebコレクションから10,174件のイメージを精査し,12種類の事実的エラータイプをカバーし,検証精度とエビデンスを両立させたベンチマークである。 視覚検査,外部検索,エビデンス分析をインターリーブするマルチモーダル・リアクト・エージェントであるEviSceneを開発した。 我々は、教師の選考を監督した微調整を施したコンパクトな政策を訓練し、その後、政策自身の調査から検証された判断に適用される特権付き自己蒸留を施した。 1,527イメージテストセットでは、トレーニングされたQwen3.5-9Bエージェントが79.05%の精度で、Strict Evidence Sufficiency Rate (SESR) は52.26%となり、それぞれ6.71ポイント、9.37ポイント向上した。 SESRは評価されたエージェントの中で最も高い。コード、モデル、データはhttps://github.com/wangzian828/EVISCENEとhttps://huggingface.co/ZiAnwang/EviSceneでリリースされる。

関連論文リスト

• WorldFact-Bench: Beyond Image-Internal Plausibility to Image-World Consistency [25.06768969910152]
  単一画像から画像世界の一貫性を評価するためにWorldFact-Benchを導入する。 PerSIST-Agentは、候補事実、視覚的観察、証拠、検証ステータスをリンクする永続状態に関する反復的検証を組織する。
  論文  参考訳（メタデータ） (2026-10-08T03:42:02Z)
• MIC: Explaining Image-Claim Inconsistencies in AI-Generated Multimodal Misinformation [86.6217922377209]
  MIC(Multimodal Inconsistency Checking)はAIが生成する誤情報を検出することで,人間の事実チェックを支援するAFCフレームワークである。 さらに,4,406クレームから派生した8,812の画像取得インスタンスからなるベンチマークであるMIC-Benchを紹介する。 SFTのみと比較して、GRPOはマイロF1をさらに4.67と4.11ポイント改善している。
  論文  参考訳（メタデータ） (2026-09-27T10:46:42Z)
• 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)
• Q-DeepSight: Incentivizing Thinking with Images for Image Quality Assessment and Refinement [58.15004031934379]
  我々は、この人間のようなプロセスをエミュレートする思考とイメージのフレームワークであるQ-DeepSightを提案する。 Q-DeepSightは、自然、復元、AI生成コンテンツなど、さまざまなベンチマークで最先端のパフォーマンスを実現している。 本稿では,Q-DeepSight の診断が反復画像強調を導くトレーニングフリーフレームワークであるPerceptual-in-Generation (PiG) を用いて,その実用的価値を示す。
  論文  参考訳（メタデータ） (2026-04-18T06:10:57Z)
• BridgeEQA: Virtual Embodied Agents for Real Bridge Inspections [0.0]
  BridgeEQAは、専門家の検査報告書に基づいた2,200のオープン語彙の質問応答ペアのベンチマークである。 画像ベースのシーングラフ上での逐次ナビゲーションとしてインスペクションを定式化するEmbodied Memory Visual Reasoning (EMVR)を提案する。
  論文  参考訳（メタデータ） (2025-11-16T16:30:38Z)
• MIRAGE: Agentic Framework for Multimodal Misinformation Detection with Web-Grounded Reasoning [0.6475163438744868]
  我々は、マルチモーダル検証を4つのシーケンシャルモジュールに分解する推論時モデルプラガブルエージェントフレームワークであるMIRAGEを提案する。 視覚的妥当性評価は、AI生成した画像を検出し、クロスモーダルな一貫性分析は、Webエビデンスにおけるアウト・オブ・コンテクストの再利用、検索強化された事実チェックの根拠を特定する。 MIRAGEは、ターゲットとするWeb検索、構造化された出力、引用リンクされた有理数を用いた視覚言語モデル推論をオーケストレーションする。
  論文  参考訳（メタデータ） (2025-10-20T14:40:26Z)
• FLIP Reasoning Challenge [20.706469085872516]
  本稿では,人間の検証タスクに基づいてAI推論能力を評価するためのベンチマークであるFLIPデータセットを紹介する。 FLIPの課題は、4つのイメージの2つの順序をユーザに提供することだ。 我々の実験は、視覚言語モデル(VLM)と大規模言語モデル(LLM)の両方を活用して、最先端のモデルを評価する。
  論文  参考訳（メタデータ） (2025-04-16T17:07:16Z)
• Evaluating Image Hallucination in Text-to-Image Generation with Question-Answering [13.490305443938817]
  我々は,新しい評価指標であるI-HallA (Image Hallucination Evaluation with Question Answering)を紹介する。 I-HallAは視覚的質問応答(VQA)を用いて生成画像の事実性を測定する I-HallAを用いて5つのTTIモデルを評価し、これらの最先端モデルが事実情報を正確に伝達できないことを明らかにする。
  論文  参考訳（メタデータ） (2024-09-19T13:51:21Z)

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。