論文の概要: GeoEdit: Adversarial De-Evidencing for Silent Geoprivacy Protection via Image Editing

• arxiv url: http://arxiv.org/abs/2610.26194v1
• Date: Mon, 19 Oct 2026 11:23:14 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:11:53.519164
• Title: GeoEdit: Adversarial De-Evidencing for Silent Geoprivacy Protection via Image Editing
• Title（参考訳）: ジオ編集:画像編集による無秩序なジオプライバシー保護のためのアドバイザリ・デエビデンス
• Abstract要約: GeoEditは、画像編集によるサイレントジオプライバシー保護のための敵対的非承認フレームワークである。 画像中の高リスクなエビデンスアンカーに最小限の編集を適用し、それによって基礎となる空間的推論連鎖を乱す。 GeoEditは、6つのメインストリームMLRMに対して強力な保護を達成し、画像の忠実度が0.59以上向上している。
• 参考スコア（独自算出の注目度）: 9.650385639640863
• License:
• Abstract: Recent efforts have demonstrated the strong capabilities of Multimodal Large Reasoning Models (MLRMs) in geographic reasoning. By jointly analyzing subtle visual cues, these models can infer the locations of photos, thus enabling doxing even by non-expert adversaries. Existing defense methods struggle to balance the shareability of photos with effective protection, and often fail to sufficiently disrupt the implicit geo-evidence chains embedded in scene semantics. To this end, we propose GeoEdit, an adversarial de-evidencing framework for silent geoprivacy protection via image editing. Specifically, we apply minimal edits to high-risk evidence anchors in the image, thereby disrupting the underlying spatial reasoning chains while preserving overall scene semantics. We identify these anchors by combining structured knowledge with adversarially discovered geographic cues. To further navigate the large editing action space, we adopt a learnable policy to iteratively refine editing decisions, distilling successful trajectories into transferable natural-language insights for consistent and efficient editing. Evaluated on LifePhotoBench, GeoEdit achieves strong protection against 6 mainstream MLRMs, outperforming visual perturbation baselines by over 0.59 in image fidelity.
• Abstract（参考訳）: 近年の取り組みは、地理的推論におけるマルチモーダル大推論モデル(MLRM)の強みを実証している。 微妙な視覚的手がかりを共同で分析することで、これらのモデルは写真の位置を推測することができる。 既存の防御方法は、写真の共有性と効果的な保護のバランスをとるのに苦労し、しばしばシーンセマンティクスに埋め込まれた暗黙のジオエビデンス連鎖を十分に破壊することができない。 この目的のために、画像編集による無声地プライバシー保護のための敵対的非認識フレームワークであるGeoEditを提案する。 具体的には、画像中のリスクの高いエビデンスアンカーに最小限の編集を適用し、シーン全体のセマンティクスを保ちながら、基礎となる空間的推論連鎖を乱す。 構造的知識と逆向きに発見された地理的手がかりを組み合わせることで,これらのアンカーを同定する。 大規模な編集行動空間を更にナビゲートするために、我々は、反復的に編集決定を洗練し、成功した軌道を変換可能な自然言語の洞察に蒸留し、一貫性と効率的な編集を行うための学習可能なポリシーを採用した。 LifePhotoBenchで評価されたGeoEditは、6つのメインストリームMLRMに対して強力な保護を達成し、画像の忠実度が0.59以上の視覚摂動ベースラインを上回っている。

関連論文リスト

• GeoCloak: An Agentic Framework for Semantics-Preserving Geolocation Privacy via Peripheral Clue Manipulation [34.44047646717461]
  GeoCloakは、セマンティクスを保存するためのエージェントフレームワークである。 位置情報に関連する手がかりを特定するために、各画像を解析する手掛かりを意識したプランナーとして機能する。 ターゲットのセマンティックな編集を送信し、周囲の手がかりを直接抑制し、敵の摂動を自律的に設定し、残留する位置情報の特徴をさらに抑制します。
  論文  参考訳（メタデータ） (2026-10-14T11:56:53Z)
• Hiding in Plain Sight: A Diffusion-based Mitigation of Geolocation Privacy Leakage in Vision-Language Models [36.40752104631026]
  敵はMLRMを利用して、カジュアルに共有された写真からユーザーの地理的位置を正確に推測することができる。 MLRMによる位置情報プライバシー漏洩の系統的研究について述べる。 位置情報のプライバシー漏洩に対する標的的かつ積極的な防御を提供する拡散型フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-09-18T06:24:29Z)
• MIRAGE: Protecting against Malicious Image Editing via False Moderation [73.0838743416626]
  画像免疫に関する以前の研究は、許可されていない操作から保護するために、イメージに知覚できない摂動を追加する。 我々は,この問題をシステムレベルで把握し,すべての主要な商用画像編集システムに共通する未探索の攻撃面を特定する。 本稿では、これらのモデレーションをポリシー違反としてフラグ付けさせ、編集プロンプトによらず自動的な拒絶を引き起こすことにより、イメージを免疫することを提案する。
  論文  参考訳（メタデータ） (2026-06-24T16:23:10Z)
• InterCoG: Towards Spatially Precise Image Editing with Interleaved Chain-of-Grounding Reasoning [60.799998743918955]
  複雑な現実世界のシーンにおける微細な画像編集のためのテキストビジョンインターリーブド・チェーン・オブ・グラウンド推論フレームワークを提案する。 InterCoGの重要な洞察は、まずテキスト内でのみオブジェクト位置推論を実行することである。 また,マルチモーダル・グラウンド・ライティング・アライメント・アライメントとマルチモーダル・グラウンド・ライティング・アライメント・アライメントの2つの補助的トレーニング・モジュールを提案する。
  論文  参考訳（メタデータ） (2026-03-02T08:13:16Z)
• Beyond Pixels: Semantic-aware Typographic Attack for Geo-Privacy Protection [43.65944873827891]
  大規模ビジュアル言語モデル(LVLM)は、ソーシャルメディアユーザーの位置情報を直接共有画像から推測し、意図しないプライバシー漏洩を引き起こす。 逆画像摂動は、地理的プライバシー保護の潜在的方向を提供するが、LVLMに対して有効となるためには比較的強い歪みを必要とする。 視覚的コンテンツの外部にテキスト拡張を追加することで、地理的プライバシーを保護するための有望な方向として、偽装攻撃を識別する。
  論文  参考訳（メタデータ） (2025-11-16T12:27:59Z)
• GeoShield: Safeguarding Geolocation Privacy from Vision-Language Models via Adversarial Perturbations [48.78781663571235]
  VLM(Vision-Language Models)は、パブリック共有画像からユーザの位置を推測し、ジオプライバシーに重大なリスクをもたらす。 実世界のシナリオにおいて,ロバストなジオプライバシー保護のために設計された,新しい敵対的フレームワークであるGeoShieldを提案する。
  論文  参考訳（メタデータ） (2025-08-05T08:37:06Z)
• Is Perturbation-Based Image Protection Disruptive to Image Editing? [4.234664611250363]
  現在の画像保護法は、拡散ベースの編集を妨げるために、イメージに知覚できない摂動を追加することに依存している。 画像に対する完全な保護は、編集の試みの出力が望ましくないノイズの多い画像であることを意味する。 我々は、摂動に基づく手法は、拡散に基づく編集に対する堅牢な画像保護に十分な解決策を提供していないと論じる。
  論文  参考訳（メタデータ） (2025-06-04T19:20:37Z)
• Safety Without Semantic Disruptions: Editing-free Safe Image Generation via Context-preserving Dual Latent Reconstruction [88.18235230849554]
  大規模で未処理のデータセットでマルチモーダル生成モデルをトレーニングすることで、ユーザは有害で安全でない、議論の余地のない、文化的に不適切なアウトプットにさらされる可能性がある。 我々は、安全な埋め込みと、より安全な画像を生成するために、潜伏空間の重み付け可能な総和による修正拡散プロセスを活用する。 安全と検閲のトレードオフを特定し、倫理的AIモデルの開発に必要な視点を提示します。
  論文  参考訳（メタデータ） (2024-11-21T09:47:13Z)
• ZONE: Zero-Shot Instruction-Guided Local Editing [56.56213730578504]
  ゼロショットインストラクションを用いた局所画像編集手法ZONEを提案する。 InstructPix2Pixを通してユーザが提供する命令から特定の画像編集領域に変換する。 次に,オフザシェルフセグメントモデルから正確な画像層抽出を行う領域IoU方式を提案する。
  論文  参考訳（メタデータ） (2023-12-28T02:54:34Z)

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。