DiffusionPrint：拡散ベースのインペイント局所化のための生成的フィンガープリント学習
arXiv cs.CV / 2026/4/15
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 拡散ベースのインペイントは、潜在デコーダによって画像全体を再生成し、フォレンジックに用いられるカメラレベルのノイズパターンを消去してしまうことで、既存の画像改ざん局所化手法を損なう可能性がある。
- 本論文は、潜在デコーディングに起因するスペクトル歪みに対して頑健な「生成的フィンガープリント」フォレンジック信号を学習する、パッチレベルのコントラスト学習フレームワーク DiffusionPrint を提案する。
- DiffusionPrint は自己教師あり学習を用い、同一モデルによって生成されたインペイント領域が一貫したフィンガープリントを示すという観察に基づいて、MoCo 風の目的とハードネガティブマイニングにより畳み込みバックボーンを訓練する。
- 得られるのは、融合ベースの IFL（画像改ざん局所化）パイプラインにおける二次モダリティとして機能することを意図した識別的フォレンジック特徴マップであり、TruFor、MMFusion、ならびに軽量なベースラインに統合することで局所化を改善する。
- 報告された結果では、複数の生成モデルにわたって一貫した改善が見られ、未見のマスク種別で最大 +28%、未見の生成アーキテクチャへの一般化も示されている。コードは GitHub で公開されている。
