論文の概要: WildAIGC-Bench: Can AI Image Detectors Handle the Wild? A Benchmark of Generated and Edited Images in Online Circulation

• arxiv url: http://arxiv.org/abs/2610.28087v1
• Date: Tue, 20 Oct 2026 12:07:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.798847
• Title: WildAIGC-Bench: Can AI Image Detectors Handle the Wild? A Benchmark of Generated and Edited Images in Online Circulation
• Title（参考訳）: WildAIGC-Bench:AIイメージ検出器はワイルドを処理できるか?オンライン循環で生成された画像と編集された画像のベンチマーク
• Abstract要約: WildAIGC-Benchは、ニュースサイト、ファクトチェックソース、ソーシャルメディアコンテンツにまたがって繰り返し収集される。 ベンチマークには、AI生成または編集された画像が407個含まれており、それぞれにソースWebページリンクとエビデンス概要が添付されている。 WildAIGC-Benchは、実用的な検出課題と、継続的なデータ拡張とソースベースの検証の基礎を提供する。
• 参考スコア（独自算出の注目度）: 24.634873842227563
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: AI-generated images linked to news events and online claims can mislead audiences, enable fraud, or cause public controversy. We introduce WildAIGC-Bench, built through recurring collection across news websites, fact-checking sources, and related social media content. The pipeline combines broad coverage, timely updates, and human-verified labels through scheduled discovery, automatic screening and preliminary annotation, and human review of image-specific evidence. The benchmark contains 407 verified AI-generated or edited images, each accompanied by a source webpage link and an evidence summary. Images retain the conditions encountered online, including compression, screenshots, and recapture. Evaluation of dedicated visual detectors, multimodal large language models, and a simple Perception Encoder baseline reveals substantial recall gaps relative to existing benchmarks. WildAIGC-Bench provides both a practical detection challenge and a basis for continued data expansion and source-based verification. The dataset is released at https://github.com/YuZijian/WildAIGC-Bench.
• Abstract（参考訳）: ニュースイベントやオンラインクレームにリンクされたAI生成画像は、聴衆を誤解させたり、詐欺を犯したり、世論を巻き起こす可能性がある。 WildAIGC-Benchは、ニュースサイト、ファクトチェックソース、関連するソーシャルメディアコンテンツにまたがって、繰り返し収集することで構築される。 このパイプラインは、スケジュールされた発見、自動スクリーニングと事前アノテーション、画像固有の証拠の人間によるレビューを通じて、広範なカバレッジ、タイムリーな更新、人間検証されたラベルを組み合わせる。 ベンチマークには、AI生成または編集された画像が407個含まれており、それぞれにソースWebページリンクとエビデンス概要が添付されている。 画像は、圧縮、スクリーンショット、再キャプチャなど、オンラインで遭遇する条件を維持している。 専用ビジュアル検出器,マルチモーダル大言語モデル,シンプルなパーセプションエンコーダベースラインの評価により,既存のベンチマークと比較してかなりのリコールギャップが明らかとなった。 WildAIGC-Benchは、実用的な検出課題と、継続的なデータ拡張とソースベースの検証の基礎を提供する。 データセットはhttps://github.com/YuZijian/WildAIGC-Benchで公開されている。

関連論文リスト

• DailyBench: A Unified Benchmark for AI-Generated and Manipulated Images from Modern Generative Models [41.18929991373216]
  DailyBenchは、AI生成画像検出器がフルイメージ合成とオブジェクトレベルの操作の両方で一般化できるかどうかを評価するための高品質な統一ベンチマークである。 DailyBenchには2つの補完的なサブセットがある。FakeBenchは、最近のオープンソースおよび商用生成モデルによって合成された高品質なイメージを含む。
  論文  参考訳（メタデータ） (2026-07-27T05:27:35Z)
• GenShield: Unified Detection and Artifact Correction for AI-Generated Images [65.11434977803509]
  GenShieldは、診断から修復までのクローズドループでAIGI検出とアーティファクト修正を実行するフレームワークである。 大規模なアーティファクト-restored'ペアを備えた高品質データセットは、統一された評価パイプラインと共に構築される。
  論文  参考訳（メタデータ） (2026-05-15T16:06:20Z)
• Quality-Aware Calibration for AI-Generated Image Detection in the Wild [13.4681679159494]
  QuAD(Quality-Aware calibration with near-duplicates)は、同じ画像のすべての利用可能なニア・ドプリケートに基づいて決定を行う新しいフレームワークである。 オンライン再投稿のダイナミクスをシミュレートする分解木で編成された136kのイメージのラベル付きデータセットであるAncesTreeと、バイラルWebコンテンツから収集された約10kに近い画像の実際のデータセットであるReWINDの2つのデータセットを紹介した。
  論文  参考訳（メタデータ） (2026-04-16T13:56:52Z)
• Toward Accountable AI-Generated Content on Social Platforms: Steganographic Attribution and Multimodal Harm Detection [4.6362646650612085]
  生成AIは、コンテンツモデレーションとデジタル法医学における新しい課題を導入した。 良質なAI生成画像は、有害または誤解を招くテキストと組み合わせて、検出しにくい誤用を生成することができる。 本稿では,暗号署名された識別子を作成時に画像に埋め込むステガノグラフィー対応属性フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-12T04:57:25Z)
• IVY-FAKE: A Unified Explainable Framework and Benchmark for Image and Video AIGC Detection [24.67072921674199]
  説明可能なマルチモーダルAIGC検出のための,新規で統一された大規模データセットであるIVY-FAKEを紹介する。 Ivy Explainable Detector (IVY-XDETECTOR)を提案する。 我々の統合視覚言語モデルは、複数の画像およびビデオ検出ベンチマークで最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2025-06-01T12:20:22Z)
• A Sanity Check for AI-generated Image Detection [49.08585395873425]
  我々はAI生成画像を検出するAI生成画像検出装置(AI生成画像検出装置)を提案する。 AIDEは最先端の手法を+3.5%、+4.6%改善した。
  論文  参考訳（メタデータ） (2024-06-27T17:59:49Z)
• Re-Imagen: Retrieval-Augmented Text-to-Image Generator [58.60472701831404]
  検索用テキスト・ツー・イメージ・ジェネレータ(再画像) 検索用テキスト・ツー・イメージ・ジェネレータ(再画像)
  論文  参考訳（メタデータ） (2022-09-29T00:57:28Z)

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。