堅牢なAI生成画像検出のための劣化一貫ペア学習（Degradation-Consistent Paired Training）
arXiv cs.CV / 2026/4/14
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- AI生成画像検出器は、JPEG圧縮、ガウスぼかし、解像度のダウンサンプリングのような現実世界の破損（劣化）がテスト画像に加わるとしばしば失敗し、既存の最先端手法は主にデータ拡張に依存しており、明示的な堅牢性目標には基づいていない。
- 本論文では、クリーン／劣化のペアとなる視点を構築し、特徴の一貫性（コサイン距離の最小化）と予測の一貫性（対称KLダイバージェンスによる整合）を通じて頑健性を強制する Degradation-Consistent Paired Training（DCPT）を提案する。
- DCPTは追加のパラメータを必要とせず、推論時のオーバーヘッドもゼロであるため、軽量な学習戦略として改善を提供する。
- Synthbusterベンチマーク（9種類の生成器、8つの劣化条件）において、DCPTはペア学習なしのベースラインに比べ、劣化条件の平均精度を9.1パーセントポイント向上させる。特にJPEG圧縮で最大の改善が見られる。
- アブレーションの結果、単にアーキテクチャ上のコンポーネントを追加するだけでは限られたデータで過学習し得る一方、劣化に対する堅牢性を明示的に高める学習目標の改善のほうが効果的であることが示唆される。
