論文の概要: Learning to Falsify: Hierarchical Multiple Instance Learning for High Resolution AI-Generated Image Detection
- arxiv url: http://arxiv.org/abs/2611.04529v1
- Date: Tue, 03 Nov 2026 08:58:26 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-04 17:47:51.377402
- Title: Learning to Falsify: Hierarchical Multiple Instance Learning for High Resolution AI-Generated Image Detection
- Title（参考訳）: Falsifyの学習:高分解能AI生成画像検出のための階層型多重インスタンス学習
- Abstract要約: 生成モデルの最近の進歩により、合成画像はますますフォトリアリスティックになり、AI生成画像の信頼性と一般化可能な検出に挑戦している。
我々は、このタスクをファルシフィケーション駆動の複数インスタンス学習問題として定式化し、単一のフェイクパッチが全体像をファルシフィケーションする。
textitLearning to Falsify (LTF) は階層的な複数インスタンス学習フレームワークで,イメージを異なる空間レベルで複数のインスタンスの袋としてモデル化する。
- 参考スコア（独自算出の注目度）: 31.208943861893385
- License:
- Abstract: Recent advances in generative models have made synthetic images increasingly photorealistic, posing growing challenges to reliable and generalizable detection of AI-generated images. Existing methods typically rely on holistic image-level classification, which may overlook local artifacts, especially in high-resolution images. To address this limitation, we formulate this task as a falsification-driven multiple instance learning problem, where a single fake patch can falsify the whole image, while a real image requires all patches to be authentic. Based on this formulation, we propose \textit{Learning to Falsify (LTF)}, a hierarchical multiple instance learning framework that models an image as multiple bags of instances across different spatial levels and aggregates their predictions under the falsification-inspired principle. We further introduce Cross-Shuffle during training to encourage the model to learn local artifact evidence rather than image-level shortcuts. Furthermore, we propose the \textit{Falsification-driven Test-time Aggregation Strategy (FATAS)}, a plug-and-play module that extends the same falsification-inspired principle to existing detectors by aggregating patch-level predictions. Extensive experiments demonstrate that LTF achieves strong generalization and robustness across multiple benchmarks, while FATAS substantially improves representative detectors in high-resolution scenarios without retraining. Code is available at https://github.com/HuiGuanLab/LTF.git
- Abstract（参考訳）: 生成モデルの最近の進歩により、合成画像はますますフォトリアリスティックになり、AI生成画像の信頼性と一般化可能な検出に対する課題が増大している。
既存の手法は通常、局所的なアーティファクト、特に高解像度画像を見渡すことができる全体像レベルの分類に依存している。
この制限に対処するために、我々はこのタスクをファルシフィケーション駆動の多重インスタンス学習問題として定式化し、1つのフェイクパッチが全体像をファルシフィケートし、実際の画像はすべてのパッチを真正にする必要がある。
この定式化に基づいて,画像を異なる空間レベルにわたる複数のインスタンスの袋としてモデル化し,その予測をファルシフィケーションにインスパイアされた原理に基づいて集約する階層型マルチインスタンス学習フレームワークである「textit{Learning to Falsify (LTF)」を提案する。
さらに、トレーニング中にクロスシャッフルを導入し、画像レベルのショートカットではなく、局所的なアーティファクトエビデンスを学ぶようモデルに促す。
さらに,Falsification-driven Test-time Aggregation Strategy (FATAS) を提案する。
大規模な実験により、LTFは複数のベンチマークで強い一般化とロバスト性を達成する一方、FATASは再訓練せずに高分解能シナリオにおける代表検出器を大幅に改善することが示された。
コードはhttps://github.com/HuiGuanLab/LTF.gitで入手できる。
関連論文リスト
- RAID: Towards Robust AI-Generated Image Detection with Bit-Reversed Images [25.492080916045012]
ビットプレーンを用いたAI生成画像検出について検討し,ビット反転画像を導入する。
本稿では,ビット反転画像の構成,勾配ベースのパッチ選択,畳み込み分類器からなる,シンプルで効果的なパイプラインを提案する。
このアプローチは40以上のベンチマークで既存のメソッドよりも優れており、既存のメソッドよりも100倍近く高速です。
論文 参考訳（メタデータ） (2026-07-31T02:53:07Z) - Attribution as Retrieval: Model-Agnostic AI-Generated Image Attribution [24.28021197076691]
本研究は,AI生成画像の帰属をインスタンス検索問題として定式化し,新たなパラダイムを提案する。
LIDA(Low-bIt-plane-based Deepfake Attribution)と呼ばれる,効率的なモデルに依存しないフレームワークを提案する。
実験により、LIDAは、ゼロショットおよび少数ショット設定下で、ディープフェイク検出と画像属性の両方の最先端性能を達成することが示された。
論文 参考訳（メタデータ） (2026-03-11T09:40:00Z) - Leveraging Hierarchical Image-Text Misalignment for Universal Fake Image Detection [58.927873049646024]
実画像と比較して,偽画像は対応するキャプションと適切に一致しないことを示す。
本稿では,視覚空間における画像テキストの不一致を識別的手がかりとして活用し,簡易かつ効果的なITEMを提案する。
論文 参考訳（メタデータ） (2025-11-01T06:51:14Z) - ThinkFake: Reasoning in Multimodal Large Language Models for AI-Generated Image Detection [51.93101033997245]
AI生成画像のリアリズムの増大は、誤情報やプライバシー侵害に対する深刻な懸念を引き起こしている。
我々は、AI生成画像検出のための新しい推論に基づく一般化可能なフレームワークThinkFakeを提案する。
我々は、ThinkFakeがGenImageベンチマークで最先端の手法より優れており、挑戦的なLOKIベンチマークで強力なゼロショットの一般化を示すことを示す。
論文 参考訳（メタデータ） (2025-09-24T07:34:09Z) - Orthogonal Subspace Decomposition for Generalizable AI-Generated Image Detection [58.87142367781417]
航法的に訓練された検出器は、限定的で単調な偽のパターンに過度に適合する傾向にあり、特徴空間は高度に制約され、低ランクになる。
潜在的な治療法の1つは、ビジョンファウンデーションモデルに事前訓練された知識を取り入れて、機能領域を広げることである。
主要なコンポーネントを凍結し、残ったコンポーネントのみを適用することで、フェイクパターンを学習しながら、トレーニング済みの知識を保存します。
論文 参考訳（メタデータ） (2024-11-23T19:10:32Z) - Zero-Shot Detection of AI-Generated Images [54.01282123570917]
AI生成画像を検出するゼロショットエントロピー検出器(ZED)を提案する。
機械によるテキスト検出の最近の研究に触発された私たちのアイデアは、分析対象の画像が実際の画像のモデルと比較してどれだけ驚くかを測定することである。
ZEDは精度の点でSoTAよりも平均3%以上改善されている。
論文 参考訳（メタデータ） (2024-09-24T08:46:13Z) - Towards Universal Fake Image Detectors that Generalize Across Generative Models [36.18427140427858]
実Vsフェイク分類のためのディープネットワークを訓練する既存のパラダイムは、新しい世代生成モデルから偽画像を検出するのに失敗していることを示す。
実写画像と実写画像の区別を明示的に訓練されていない特徴空間を用いて,学習せずに実写映像の分類を行うことを提案する。
論文 参考訳（メタデータ） (2023-02-20T18:59:04Z) - Ensembling with Deep Generative Views [72.70801582346344]
生成モデルは、色やポーズの変化などの現実世界の変動を模倣する人工画像の「ビュー」を合成することができる。
そこで本研究では, 画像分類などの下流解析作業において, 実画像に適用できるかどうかを検討する。
StyleGAN2を再生増強の源として使用し、顔の属性、猫の顔、車を含む分類タスクについてこの設定を調査します。
論文 参考訳（メタデータ） (2021-04-29T17:58:35Z) - CutPaste: Self-Supervised Learning for Anomaly Detection and
Localization [59.719925639875036]
通常のトレーニングデータのみを用いて異常検知器を構築するためのフレームワークを提案する。
まず、自己教師付き深層表現を学習し、学習した表現の上に生成的1クラス分類器を構築する。
MVTec異常検出データセットに関する実証研究は,提案アルゴリズムが実世界の様々な欠陥を検出可能であることを実証している。
論文 参考訳（メタデータ） (2021-04-08T19:04:55Z)
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。