論文の概要: ARISE: Authentic Reference-Informed Stability Enhancement for Continual Multimodal Forgery Detection

• arxiv url: http://arxiv.org/abs/2610.36509v1
• Date: Tue, 27 Oct 2026 02:12:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-29 04:15:49.222538
• Title: ARISE: Authentic Reference-Informed Stability Enhancement for Continual Multimodal Forgery Detection
• Title（参考訳）: ARISE: 連続マルチモーダル偽造検出のための認証参照インフォームド安定性向上
• Abstract要約: マルチモーダル偽造検出は静的な仮定の下で一般的に研究されている。 本稿では,この問題を,バイナリ実/フェイクインタフェースを固定したアタック・インクリメンタルなマルチモーダル・フォージェリ検出として定式化する。 本稿では,補完的な共同モダリティ,テキスト側,画像側プロトコルを通じて攻撃進化を組織するFable-Benchを紹介する。
• 参考スコア（独自算出の注目度）: 43.80508660928709
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multimodal forgery detection is commonly studied under a static assumption: training attacks are expected to approximate those encountered after deployment. This assumption becomes increasingly fragile as generators, editing systems, and multimodal large language models continually introduce new forgery mechanisms and forensic evidence. We formulate this problem as attack-incremental continual multimodal forgery detection, where the binary real/fake interface remains fixed while emerging attacks must be learned without forgetting previous ones. We introduce Fable-Bench, which organizes attack evolution through complementary joint-modality, text-side, and image-side protocols. We further propose ARISE (Authentic Reference-Informed Stability Enhancement), motivated by the open-ended forged class and the comparatively reusable geometry of authentic content. ARISE fits a real-only Gaussian mixture model to projected authentic replay representations as a compact historical reference. Meanwhile, the proposed Gaussian-Responsibility-Aware Stability Preservation (GRASP) derives a sample-adaptive anisotropic metric that strongly constrains historically stable representation directions while retaining plasticity elsewhere. Our Vulnerability-Aware Replay (VAR) further estimates stage-wise vulnerability from authentic-density degradation, forged-to-authentic boundary confusion, and authentic-mode occupancy drift, then assigns bounded replay emphasis to fragile stages. All adaptive signals are obtained from training-time replay statistics, while inference uses only the original multimodal backbone and binary classification head. Experiments across three attack-evolution protocols and multiple detector architectures demonstrate improved historical retention and final average performance over representative continual-learning baselines.
• Abstract（参考訳）: マルチモーダル偽造検出は静的な仮定の下で一般的に研究されている。 この仮定は、ジェネレータ、編集システム、マルチモーダルな大規模言語モデルとして、新たな偽造機構や法医学的証拠を継続的に導入するにつれて、ますます脆弱になっている。 我々は,この問題を,従来の攻撃を忘れることなく,新たな攻撃を学習しなければならない間に,バイナリのリアルタイム/フェイクインターフェースを固定した攻撃増進型マルチモーダルフォージェリ検出として定式化する。 本稿では,補完的な共同モダリティ,テキスト側,画像側プロトコルを通じて攻撃進化を組織するFable-Benchを紹介する。 さらに, ARISE (Authentic Reference-Informed Stability Enhancement) を提案する。 ARISEは、実物のみのガウス混合モデルと、コンパクトな歴史的参照として投影された真のリプレイ表現に適合する。 一方、Gaussian-Responsibility-Aware Stability Preservation (GRASP) は、歴史的に安定な表現方向を強く制約するサンプル適応型異方性計量を導出した。 我々のVAR(Vulnerability-Aware Replay)はさらに、真正密度劣化、偽-オーセンティック境界の混乱、および真正モード占有ドリフトからステージワイド脆弱性を推定し、境界リプレイ強調を脆弱なステージに割り当てる。 すべての適応信号はトレーニング時リプレイ統計から得られるが、推論は元のマルチモーダルバックボーンとバイナリ分類ヘッドのみを使用する。 3つのアタック・エボリューション・プロトコルと複数の検出器アーキテクチャをまたいだ実験では、連続学習ベースラインに対する履歴保持と最終的な平均性能が改善された。

関連論文リスト

• EviStress: Evidence Stress Learning for Generalizable Face Forgery Detection with Textual Explanations [17.515739051623587]
  標準のLoRA適応CLIP検出器は、パッチレベルの不均一な決定依存を示す。 EviStressは、テキスト説明による顔偽造検出を一般化するための2段階のフレームワークである。 実験では、クロスデータセットとクロスメソッドの一般化と汚職の堅牢性が改善された。
  論文  参考訳（メタデータ） (2026-10-12T14:41:54Z)
• Prototype-Anchored Generalized Manifold Regression for Unknown-Domain Object Detection [58.25418970608328]
  単一ソースドメイン上でトレーニングされた検出器を複数の未確認領域に転送することを目的としたシングルドメイン一般化オブジェクト検出(Single-DGOD)について検討する。 既存の手法は主に、トレーニング分布を拡大するために、データ拡張やテキストプロンプトといったシミュレーション駆動の戦略に依存している。 本稿では, 未知領域の一般化を多様体回帰問題として定式化する, Visual-Text Dual Chain-of-Thought (MR-DCoT) を用いたマニフォールド回帰を提案する。
  論文  参考訳（メタデータ） (2026-07-08T09:27:15Z)
• Higher-Order Certified Robustness for Regression [8.948785997740378]
  本稿では,ロバスト・レグレッションを認定するための新しいフレームワークを提案する。 我々は、スムーズなモデルの予測の安定性を保証する予測中心の証明書を導出する。 特に、勾配情報を利用するMNIST回転タスクでは、ロバスト性証明が著しく厳格になることを示す。
  論文  参考訳（メタデータ） (2026-07-06T18:17:13Z)
• Hybrid Robustness Verification for Spatio-Temporal Neural Networks [19.026662893450425]
  既存の検証方法は、過度に保守的な近似や不正な計算コストに依存している。 実際には、対向摂動は、低次元、意味論的に意味のある部分空間に制約された、構造化された空間的および時間的相関を示す。 動作認識(UCF-101)、自律運転(Udacity)、医用画像(MedMNIST)の用途を対象として、3次元CNNによる映像入力のロバスト性検証を行う。
  論文  参考訳（メタデータ） (2026-06-08T17:06:51Z)
• Dance Across Shifts: Forward-Facilitation Continual Test-Time Adaptation through Dynamic Style Bridging [65.11234199720428]
  継続的テスト時間適応(Continuous Test-Time Adaptation)は、デプロイメント後に発生する動的分散シフトを処理するために、知覚システムを強化することを目的としている。 動的スタイルブリッジと呼ばれる手法により,新しいフォワードファシリケーションパラダイムを導入する。 テスト期間中に、固有の生成バイアスを緩和し、これらのプロキシを入力データに適用するために、マルチレベルブリッジ機構を提案する。
  論文  参考訳（メタデータ） (2026-05-18T16:18:17Z)
• R-FLoRA: Residual-Statistic-Gated Low-Rank Adaptation for Single-Image Face Morphing Attack Detection [6.348134327816868]
  顔形態攻撃は顔認識システムの信頼性に重大なリスクをもたらす。 本稿では,新しい顔形態検出フレームワークを提案する。 高速ラプラシアン残差統計と、凍結された基礎スケールの視覚変換器の表現を統合する。
  論文  参考訳（メタデータ） (2026-04-19T08:21:45Z)
• Deep Leakage with Generative Flow Matching Denoiser [54.05993847488204]
  再建プロセスに先立って生成フローマッチング(FM)を組み込んだ新しい深部リーク攻撃(DL)を導入する。 当社のアプローチは、ピクセルレベル、知覚的、特徴に基づく類似度測定において、最先端の攻撃よりも一貫して優れています。
  論文  参考訳（メタデータ） (2026-01-21T14:51:01Z)
• Deep Learning Models for Robust Facial Liveness Detection [56.08694048252482]
  本研究では,現代のアンチスプーフィング手法の欠陥に対処する新しい深層学習モデルを用いて,ロバストな解を提案する。 テクスチャ解析と実際の人間の特性に関連する反射特性を革新的に統合することにより、我々のモデルは、顕著な精度でレプリカと真の存在を区別する。
  論文  参考訳（メタデータ） (2025-08-12T17:19:20Z)
• Crafting Imperceptible On-Manifold Adversarial Attacks for Tabular Data [38.89245780759371]
  本稿では,混合入力変分オートエンコーダ(VAE)を用いた遅延空間摂動フレームワークを提案し,統計的に一貫した逆の例を生成する。 提案手法は,従来の入力空間攻撃と比較して,アウトレーラ率と一貫した性能を著しく低下させることを示す。
  論文  参考訳（メタデータ） (2025-07-15T05:34:44Z)
• Regularizing Variational Autoencoder with Diversity and Uncertainty Awareness [61.827054365139645]
  変分オートエンコーダ(VAE)は、償却変分推論に基づいて潜伏変数の後部を近似する。 よりディバースで不確実な潜在空間を学習するための代替モデルDU-VAEを提案する。
  論文  参考訳（メタデータ） (2021-10-24T07:58:13Z)

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。