Can Image Splicing and Copy-Move Forgery Be Detected by the Same Model? Forensim: An Attention-Based State-Space Approach
Forensimは、アテンション機構と状態空間モデルを活用することで、画像内の改ざん箇所（ターゲット）とコピー元（ソース）を同時に特定し、スプライシングとコピームーブ両方の偽造を単一のアーキテクチャで高精度に検出するフレームワークです。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
タイトル：画像の中の「ニセモノ」と「コピー元」を同時に見抜く、デジタル界の凄腕探偵
1. 背景：今の「画像検知」は何が足りないのか？
想像してみてください。あなたは、あるデモの様子を写した写真を見て、「あ、この暴力を振るっている人は、後から合成されたニセモノだ！」と見抜いたとします。
これまでのAI（探偵）は、**「ここがニセモノ（合成された部分）ですよ」と指し示すことしかできませんでした。しかし、これだけでは不十分です。なぜなら、そのニセモノが「もともと写真のどこにあったものを、どこから持ってきたのか」**が分からないからです。
例えば、平和な群衆の中に、別の場所から持ってきた「暴力を振るう人」を貼り付けた場合、その「貼り付けられた場所（ターゲット）」だけでなく、「元々いた場所（ソース）」も特定できないと、事件の全貌（どうやって偽造されたか）は解明できません。
2. Forensimの革命：3つの色で塗り分ける「超・精密捜査」
これまでのAIは、「ニセモノか、それ以外か」という**2色（白か黒か）**の塗り分けしかできませんでした。
しかし、この論文で開発された**「Forensim」という新しいAIは、まるでプロの鑑識官のように、画像を3つの色**で塗り分けます。
- 【元のままの色】：何もいじられていない、正しい部分。
- 【コピー元（ソース）の色】：どこかから「切り取られて」持ってきた場所。
- 【貼り付け先（ターゲット）の色】：新しく「貼り付けられた」場所。
このように「どこから持ってきたか」までセットで当てることで、AIは「あ、この人は右下の公園から切り取られて、左上の広場に移動させられたんだな！」と、偽造のストーリーを丸ごと理解できるようになったのです。
3. どうやって見抜いているのか？（仕組みの例え）
Forensimには、2人の専門捜査官がいます。
- 捜査官A「似ているもの探し（Similarity Attention）」
彼は、画像全体をじーっと見渡して、「あれ？ この人の服のシワ、あっちの隅っこにある模様とそっくりじゃないか？」と、画像内の「双子」のようなパターンを見つけ出すのが得意です。 - 捜査官B「違和感ハンター（Manipulation Attention）」
彼は、パッチワークの継ぎ目や、不自然なノイズ、色のわずかなズレなど、**「加工した時に出る小さな傷跡」**を見つけるのが得意です。
この2人が協力して、「似ている場所がある（A）」＋「そこに不自然な跡がある（B）」という情報を組み合わせることで、非常に高い精度で偽造を見つけ出します。
4. 新しい「練習問題集」の作成（CMFD Anything）
AIを賢くするには、大量の「練習問題（偽造画像）」が必要です。しかし、これまでの練習問題は「一目で偽物だとわかる、作り物っぽい画像」ばかりでした。
研究チームは、最新の技術を使って、**「人間が見ても、プロでも、なかなか気づかないほどリアルで巧妙な偽造画像」**を大量に作り出しました（これを「CMFD Anything」と呼びます）。この「超難問集」で特訓したことで、Forensimはどんなに巧妙な偽造にも動じない強さを手に入れました。
5. まとめ：この研究が変える未来
この技術が進むと、SNSに流れてくる「フェイクニュース用の画像」や、証拠として提出された「改ざんされた写真」に対して、**「どこが、どこから、どうやって書き換えられたのか」**を瞬時に、かつ正確に暴けるようになります。
デジタル社会における「真実」を守るための、非常に強力な新しい「目」が誕生したのです。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。