Fugu-MT 論文翻訳(概要): AIRRI: Towards a Human-Readable, Machine-Resistant Reading Interface

論文の概要: AIRRI: Towards a Human-Readable, Machine-Resistant Reading Interface

arxiv url: http://arxiv.org/abs/2610.18724v1
Date: Tue, 13 Oct 2026 17:04:33 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-16 20:05:28.613739
Title: AIRRI: Towards a Human-Readable, Machine-Resistant Reading Interface
Title（参考訳）: AIRRI: ヒューマン可読でマシンに耐性のある読み込みインターフェースを目指して
Abstract要約: 本稿では,機械に耐性のある教育コンテンツを生成するためのフレームワークであるAIRRI(Artificial Intelligence Resilient Reading Interface)を提案する。本稿では, テッセラクト, EasyOCR, および変換器を用いた GOT-OCR2 モデルを用いて, AIRRI の評価を行った。以上の結果から,AIRRIは画像からテキストへのLLMの信頼性を大幅に低下させ,AIによる代入完了に要する労力を増大させる可能性が示唆された。
参考スコア（独自算出の注目度）: 8.104255440258585
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: The rapid advancement of image-to-text extraction systems and large language models (LLMs) poses new challenges for educational assessment by making assignment materials easy to transcribe and solve with minimal human effort. To address this problem, we present AIRRI (Artificial Intelligence Resilient Reading Interface), a framework for generating machine-resistant educational content, a dataset of higher-education assignments for evaluation, and an initial evaluation of the human readability of AIRRI machine-resistant text designs. AIRRI employs two categories of machine-resistance techniques. First, AIRRI applies image transformations including character spacing, word spacing, line spacing, character opacity variation, stripe overlays, and image noise. Second, AIRRI applies decision-based adversarial attacks: RayS, SurFree, and ADBA. We evaluate AIRRI against three image-to-text systems: Tesseract, EasyOCR, and the transformer-based GOT-OCR2 model. Our results show that AIRRI substantially degrades automated text extraction performance. AIRRI increased character error rates for EasyOCR (6.9% to 55.9%), Tesseract (2.3% to 100.0%), and GOT-OCR2 (30.7% to 48.1%). Word error rates increased for EasyOCR (24.9% to 96.7%) and Tesseract (10.7% to 100.0%). Among the evaluated decision-based attacks, ADBA consistently produced the largest degradation in image-to-text performance, while RayS and SurFree produced more moderate reductions. EasyOCR and Tesseract were generally more susceptible to both image-based and adversarial perturbations than the transformer-based GOT-OCR2 model. Our findings suggest that AIRRI can significantly reduce the reliability of image-to-text-to-LLM workflows, increasing the effort required for AI-assisted assignment completion.
Abstract（参考訳）: 画像・テキスト抽出システムと大規模言語モデル(LLM)の急速な進歩は、人的努力を最小限に抑えて書き起こしや解き易くすることで、教育評価に新たな課題をもたらす。この問題に対処するため,AIRRI (Artificial Intelligence Resilient Reading Interface) は,機械に耐性のある教育コンテンツを生成するためのフレームワークであり,評価のための高度な教育課題のデータセットであり,AIRRIの機械に耐性のあるテキストデザインの可読性の初期評価である。 AIRRIは2つのカテゴリのマシン抵抗技術を採用している。まず、AIRRIは文字間隔、単語間隔、行間隔、文字不透明度の変化、ストライプオーバーレイ、画像ノイズなどの画像変換を適用する。第二に、AIRRIはRayS、SurFree、ADBAといった意思決定ベースの敵攻撃を適用している。本稿では, テッセラクト, EasyOCR, および変換器を用いた GOT-OCR2 モデルを用いて, AIRRI の評価を行った。その結果,AIRRIはテキストの自動抽出性能を著しく低下させることがわかった。 AIRRIはEasyOCR(6.9%から55.9%)、Tesseract(2.3%から100.0%)、GOT-OCR2(30.7%から48.1%)の文字エラー率を増加させた。単語エラー率はEasyOCR (24.9%から96.7%) とTesseract (10.7%から100.0%) で増加した。評価された意思決定ベースの攻撃の中で、ADBAは一貫して画像とテキストのパフォーマンスの最大の劣化を発生させ、一方RaySとSurFreeはより緩やかな低下を発生させた。 EasyOCR と Tesseract は、一般的にトランスフォーマーベースの GOT-OCR2 モデルよりも画像ベースの摂動と対向的な摂動の両方に影響を受けやすい。この結果から,AIRRIは画像-テキスト-テキスト-LLMワークフローの信頼性を大幅に低下させ,AIによる代入完了に要する労力を増大させることが示唆された。

関連論文リスト

TOLA: Text-aware One-Step Latent Adaptation for Diffusion-based Text Image Super-Resolution [24.866488173238356]
テキスト画像超解像(TSR)は、未知の劣化の下で視覚的に忠実で読みやすいテキストを復元することを目的としている。既存の拡散法は、高解像度画像またはそれ以前のテキストの多段階予測に依存している。反復的な画像テキスト拡散を伴わないテキスト対応1ステップ遅延適応フレームワークTOLAを提案する。
論文参考訳（メタデータ） (2026-09-24T08:48:10Z)
VARestorer: One-Step VAR Distillation for Real-World Image Super-Resolution [76.19751531910039]
本稿では,事前学習したテキストから画像へのVARモデルを,ワンステップのISRモデルに変換するフレームワークであるVARestorerを提案する。 VARestorerは、DIV2Kデータセット上で72.32 MUSIQと0.7669 CLIPIQAで最先端のパフォーマンスを達成する。
論文参考訳（メタデータ） (2026-04-23T09:09:36Z)
Adversarial Paraphrasing: A Universal Attack for Humanizing AI-Generated Text [47.84655968112988]
本稿では、AI生成したテキストを普遍的に人間化し、検出をより効果的に回避する、トレーニング不要な攻撃フレームワークであるAdversarial Paraphrasingを紹介する。我々の攻撃は広範囲に効果があり、複数の検知システムにまたがって非常に伝達可能である。
論文参考訳（メタデータ） (2025-06-08T05:15:01Z)
Speech Emotion Recognition with ASR Transcripts: A Comprehensive Study on Word Error Rate and Fusion Techniques [17.166092544686553]
本研究では,3つのよく知られたコーパス上の11種類のモデルから,単語誤り率(WER)の異なるASR文字を用いた音声感情認識のベンチマークを行った。本稿では, ASR 誤り訂正とモダリティゲート融合を統合した ASR 誤り処理フレームワークを提案する。
論文参考訳（メタデータ） (2024-06-12T15:59:25Z)
Mixed Text Recognition with Efficient Parameter Fine-Tuning and Transformer [12.966765239586994]
本稿では,事前学習したOCR変換器に基づくパラメータ効率の高いハイブリッドテキストスポッティング手法であるDLoRA-TrOCRを提案する。重み分解されたDoRAモジュールを画像エンコーダに、LoRAモジュールをテキストデコーダに埋め込むことで、様々な下流タスクを効率的に微調整することができる。実験により,提案したDLoRA-TrOCRは,手書き,印刷,ストリートテキストを混合した複雑なシーン認識において,他のパラメータ効率の高い微調整手法よりも優れていた。
論文参考訳（メタデータ） (2024-04-19T09:28:16Z)
RADAR: Robust AI-Text Detection via Adversarial Learning [69.5883095262619]
RADARはパラフラザーと検出器の対向訓練に基づいている。パラフレーズの目標は、AIテキスト検出を避けるために現実的なコンテンツを生成することである。 RADARは検出器からのフィードバックを使ってパラフラザーを更新する。
論文参考訳（メタデータ） (2023-07-07T21:13:27Z)
Towards Image-based Automatic Meter Reading in Unconstrained Scenarios: A Robust and Efficient Approach [60.63996472100845]
本稿では,制約のないシナリオに着目したAMR(Automatic Meter Reading)のエンドツーエンドアプローチを提案する。我々の主な貢献は、コーナー検出とカウンタ分類と呼ばれる新しいステージをAMRパイプラインに挿入することである。信頼度が低い読みを拒絶した場合,AMRシステムは印象的な認識率(すなわち99%)を達成することを示す。
論文参考訳（メタデータ） (2020-09-21T21:21:23Z)
Weak-Attention Suppression For Transformer Based Speech Recognition [33.30436927415777]
Weak-Attention Suppression (WAS) を提案する。 We demonstrate that WAS leads to consistent Word Error Rate (WER) improve over strong transformer baselines。
論文参考訳（メタデータ） (2020-05-18T23:49:40Z)
Scene Text Image Super-Resolution in the Wild [112.90416737357141]
低解像度のテキスト画像は、携帯電話が捉えた文書のような自然の場面でよく見られる。従来は、合成低解像度画像に対して、単一の画像超解像法 (SISR) を訓練していた。実際のシーンテキストSRデータセットであるTextZoomをプロポーズする。この写真には、野生の焦点距離の異なるカメラが捉えた、実際の低解像度と高解像度の2つの画像が含まれている。
論文参考訳（メタデータ） (2020-05-07T09:18:59Z)

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。