論文の概要: RiSE: Residual Subspace Expert for Generalizable Text-Centric Image Forgery Localization
- arxiv url: http://arxiv.org/abs/2610.24480v1
- Date: Sat, 17 Oct 2026 05:53:11 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-10-20 12:00:09.548051
- Title: RiSE: Residual Subspace Expert for Generalizable Text-Centric Image Forgery Localization
- Title（参考訳）: RiSE: 汎用テキスト中心画像フォージェリーローカライゼーションのための残留サブスペースエキスパート
- Abstract要約: テキスト中心画像偽造は、財務・法的記録の信頼を守るために不可欠である。
本稿では,プライマリSVDコンポーネントを凍結することにより,事前学習した事前学習を保存するResidual Subspace ExpertモデルであるRiSEを提案する。
1人の専門家によるRiSEは、トレーニングステップを10倍に減らしながら、実世界の偽画像の事前手法を20.4%上回っている。
- 参考スコア（独自算出の注目度）: 20.95071534060867
- License:
- Abstract: As AI-assisted image editing becomes increasingly prevalent, Text-Centric Image Forgery Localization (TFL) is essential for protecting trust in financial and legal records. However, we observe that existing TFL detectors predominantly rely on Full-Parameter Fine-Tuning (FPFT) and fail to generalize to unseen forgery types because FPFT can induce low-rank feature collapse and overfit training artifacts. Meanwhile, prior detectors capture diverse forgery traces with a single unified representation, making subtle traces entangled and difficult to learn. To address these challenges, we propose RiSE, a Residual Subspace Expert model that preserves pre-trained priors by freezing principal SVD components and adapting only the residual subspaces with a ViT-only segmentor to avoid feature collapse. RiSE introduces forgery-aware residual experts, where each expert is trained independently on a training subset with a particular forgery type, and we show that cross-domain localization performance improves consistently as more experts are added. At inference, we introduce Latent Perturbation Confidence (LPC), which selects the most confident expert by analytically computing the latent-perturbed output. LPC enables efficient confidence estimation with a single forward pass, avoiding repeated forward passes on perturbed samples and improving expert selection. By training on synthetic forgery data, RiSE with 1 expert outperforms prior methods on real-world forgery images by 20.4% while reducing training steps by 10 times. Scaling the number of experts to 9 yields a 35.8% gain. RiSE remains effective with DCT feature, even when the majority of the parameters is frozen with RGB-only pretraining. Code: https://github.com/KahimWong/RiSE.
- Abstract（参考訳）: AIによる画像編集が普及するにつれて、テキスト中心の画像フォージェリローカライゼーション(TFL)は、財務および法的な記録に対する信頼を守るために不可欠である。
しかし,既存のTFL検出器はFPFT(Full-Parameter Fine-Tuning)に大きく依存しており,FPFTが低ランク特徴崩壊を誘発し,過度なトレーニングアーティファクトを誘発できるため,見当たらない偽造型に一般化することができない。
一方、先行検出器は単一の統一された表現で様々な偽の痕跡を捉えており、微妙な痕跡が絡み合っており、学習が困難である。
これらの課題に対処するため、我々は、主SVD成分を凍結し、ViTのみのセグメンタで残余部分空間のみを適応させることにより、事前訓練された事前保存を行うResidual Subspace ExpertモデルであるRiSEを提案する。
RiSEでは,各専門家が特定のフォージェリタイプのトレーニングサブセットを独立してトレーニングすることで,ドメイン間のローカライゼーション性能が一貫した向上を示す。
推論では、遅延摂動信頼度(LPC)を導入し、遅延摂動出力を解析的に計算し、最も確実な専門家を選択する。
LPCは、1つのフォワードパスによる効率的な信頼度推定を可能にし、乱れたサンプルに対する繰り返しフォワードパスを回避し、専門家の選択を改善する。
合成偽造データのトレーニングにより、1人の専門家によるRiSEは、実世界の偽造画像の事前の手法を20.4%上回り、トレーニングのステップを10倍減らす。
専門家の数を9人に増やすと35.8%の増加となる。
RiSEは、RGBのみの事前トレーニングでパラメータの大部分を凍結しても、DCT機能で有効である。
コード:https://github.com/KahimWong/RiSE
関連論文リスト
- From Pixels to Privacy-Sensitive Features: An Information-Theoretic Framework for Reconstruction Bounds [0.0]
我々は、トレーニング前に計算できる歪み境界を導出し、トレーニング中にパラメータの軌跡を観察する相手にも適用する。
アナリストは、エラーを測定する表現を選択して、バウンダリがプライバシに敏感な再構築の側面を目標にすることができる。
我々は,LPIPS特徴空間と画素空間において,LPIPSによって直接測定された再構成歪みに対する第1の下位境界を求める。
論文 参考訳（メタデータ） (2026-10-09T15:52:39Z) - Forensic Reserve: Eliciting Latent Knowledge for Image Forgery Detection [9.040826463467232]
Reserve-Guided Elicitation (RGE)は、事前訓練されたモデルにおけるスパースでオリジンに敏感な内部成分を法医学的保護として扱う。
RGEは、ターゲットベンチマークを適用せずに、3つの検出ベンチマークで競合性能を達成する。
論文 参考訳（メタデータ） (2026-10-06T16:33:00Z) - ResMerge: Residual-based Spectral Merging of Large Language Models [52.65011413018957]
本稿では,RL専門家のための残留スペクトルマージフレームワークResMergeを提案する。
本稿では,RL専門家のための残留スペクトルマージフレームワークResMergeを提案する。
論文 参考訳（メタデータ） (2026-06-01T13:42:45Z) - IMSE: Intrinsic Mixture of Spectral Experts Fine-tuning for Test-Time Adaptation [16.129735356928958]
テストデータが分布と異なる場合, 性能劣化を防止するため, テスト時間適応が広く研究されている。
我々は、視覚変換器に埋め込まれたスペクトルエキスパートを生かしたスペクトルエキスパートの内在混合(IMSE)を提案する。
提案手法は,TTA設定下での様々な分散シフトベンチマークにおける最先端性能を実現する。
論文 参考訳（メタデータ） (2026-03-09T03:42:44Z) - TIP: Resisting Gradient Inversion via Targeted Interpretable Perturbation in Federated Learning [8.156452885913108]
フェデレートラーニング(FL)は、データの局所性を維持しながら協調的なモデルトレーニングを促進する。
勾配の交換により、システムはグラディエント・インバージョン・アタック(GIAs)に弱い。
本稿では、モデル解釈可能性と周波数領域解析を統合する新しい防御フレームワークTIPを提案する。
論文 参考訳（メタデータ） (2026-02-12T06:32:49Z) - Bridging SFT and DPO for Diffusion Model Alignment with Self-Sampling Preference Optimization [67.8738082040299]
自己サンプリング優先最適化(SSPO)は,訓練後強化学習のための新しいアライメント手法である。
SSPOは、SFTのトレーニング安定性を維持しながら、ペアデータと報酬モデルの必要性を排除する。
SSPOは、テキスト・ツー・イメージベンチマークにおける以前のアプローチを全て上回り、テキスト・ツー・ビデオベンチマークにおける優れたパフォーマンスを示している。
論文 参考訳（メタデータ） (2024-10-07T17:56:53Z) - Strong Baselines for Parameter Efficient Few-Shot Fine-tuning [50.83426196335385]
FSC (Few-shot Classification) は、事前訓練(メタトレーニング)フェーズの後にクラス毎にいくつかの例を与えられた新しいクラスを学習する。
近年の研究では、新しいテストクラスで事前訓練された視覚変換器(ViT)を微調整することが、FSCにとって強力なアプローチであることが示されている。
しかし、微調整のViTは、時間、計算、ストレージに費用がかかる。
これにより、Transformerのパラメータのごく一部だけを微調整するPEFT法が考案された。
論文 参考訳（メタデータ） (2023-04-04T16:14:39Z) - Adversarial Unlearning: Reducing Confidence Along Adversarial Directions [88.46039795134993]
本稿では,自己生成事例の信頼性を低下させる補完的な正規化戦略を提案する。
RCADと呼ばれるこの手法は、トレーニング損失を増やすために反対に選択された方向に沿って横たわっている流通外の事例に対する信頼性を低下させることを目的としている。
その単純さにもかかわらず、多くの分類ベンチマークでは、RCADを既存の技術に追加して、絶対値の1～3%の精度でテストできることがわかった。
論文 参考訳（メタデータ） (2022-06-03T02:26:24Z) - Reducing Predictive Feature Suppression in Resource-Constrained
Contrastive Image-Caption Retrieval [65.33981533521207]
我々は、リソース制約のあるICR手法における予測的特徴抑圧を減らすアプローチを提案する:潜在目標デコーディング(LTD)
LTDは、汎用文エンコーダの潜時空間で入力キャプションを再構成し、画像及びキャプションエンコーダが予測的特徴を抑制するのを防止する。
実験の結果,入力空間における入力キャプションの再構成とは異なり,LTDはリコール@k,r精度,nDCGスコアを高くすることで,予測的特徴抑制を低減できることがわかった。
論文 参考訳（メタデータ） (2022-04-28T09:55:28Z)
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。