日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

画像操作検出arXiv:2606.04545

Impostor: 現実的なAIGC操作位置特定のためのエージェントキュレーション型ベンチマーク

Impostor: An Agent-Curated Benchmark for Realistic AIGC Manipulation Localization

シェア:XThreadsFacebookLINEはてブBluesky

生成画像編集の進歩に伴い、既存の画像操作検出・位置特定ベンチマークの限界を克服するため、100K枚の操作画像を含む新しいデータセットImpostorを構築し、閉ループエージェントフレームワークCraftAgentで多様で現実的な操作画像を自動生成した。また、局所位相モデリングと意味的フォレンジック一貫性学習を導入したPhaseAware-Netを提案し、既存手法を上回る性能を示した。

詳しい要約

1. どんなもの?

- AIGCによる局所画像編集の検出・位置特定(IMDL)向けベンチマーク - 100K枚のAI編集画像を含む高品質データセットImpostorを提案 - CraftAgentという閉ループ型エージェントで自動生成 - 7つの最新AIGCモデル、3種類の編集タイプ、複数編集領域を収録 - 併せてPhaseAware-Net (PANet)も提案

2. 先行研究と比べてどこがすごい?

- 既存IMDLベンチマークは視覚的リアリズム、編集多様性、生成器カバレッジに限界 - 最近の画像編集トレンドを反映しにくい - Impostorは高品質AI編集画像を大規模に収集 - 7つの最新AIGCモデルと3編集タイプ、複数領域を含み包括的 - 既存LVLMや専用IMDL手法に大きな挑戦を与える

3. 技術・手法の肝は?

- CraftAgent: 閉ループ型エージェントフレームワーク - シーン知覚、編集計画、編集実行、品質検証、反復的リフレクションを統合 - 多様で視覚的にリアルな編集画像を自動生成 - PANet: 意味論・フォレンジック統合フレームワーク - 局所位相モデリングと意味論・フォレンジック一貫性学習を導入 - 意味的に妥当だがフォレンジックに破綻した領域を位置特定

4. どうやって有効だと検証した?

- 広範な実験を実施 - Impostorが既存LVLMや専用IMDL手法に大きな挑戦を与えることを示す - PANetがImpostorおよび複数の公開ベンチマークで優れた性能を達成 - 具体的な評価指標や実験設定は要旨からは不明

5. 議論はある?

- 既存ベンチマークの限界を指摘し、Impostorで改善 - AIGCベースIMDLの包括的ベンチマークを提供 - PANetの有効性を示す - 限界や倫理的議論、計算コストなどは要旨からは不明

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究: 既存IMDLベンチマーク、LVLM、専用IMDL手法 - 関連手法: CraftAgent、PhaseAware-Net (PANet) - 同分野の定番: image manipulation detection and localization (IMDL)、large vision-language models (LVLMs)

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Zhenliang Li, Yutao Hu, Qixiong Wang, Wenpeng Du, Hongxiang Jiang, Jiasong Wu, Xiaolong Jiang, Jungong Han

分類: cs.CV

原文アブストラクト

Recent advances in generative image editing have improved the realism and controllability of localized image manipulation, raising new challenges for image manipulation detection and localization (IMDL). However, existing IMDL benchmarks still have limitations in visual realism, manipulation diversity, and generator coverage, making it difficult to reflect recent trends in image manipulation. To address these limitations, we introduce Impostor, a high-quality AI-edited image manipulation localization dataset containing 100K manipulated images. Impostor is constructed by CraftAgent, a closed-loop agent framework that integrates scene perception, editing planning, manipulation execution, quality validation, and iterative reflection to automatically generate diverse and visually realistic manipulated images. Moreover, Impostor contains images generated by seven recent AIGC models across three manipulation types and includes multiple manipulated regions, providing a more comprehensive benchmark for AIGC-based IMDL. Furthermore, we propose PhaseAware-Net (PANet), a semantic-forensic framework that introduces local phase modeling and semantic-forensic consistency learning to better localize semantically plausible yet forensically disrupted manipulated regions. Extensive experiments show that Impostor poses significant challenges to existing large vision-language models (LVLMs) and specialized IMDL methods, while PANet achieves superior performance on Impostor and multiple public benchmarks.

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI