技術要約：Fleet: 少ショットによる効果的なAI生成画像検出

1. 問題提起

AI生成画像（AIGI）検出の分野は、現在、実験室レベルのベンチマークからオープンワールドの敵対的防御へと、極めて重要な転換期を迎えている。既存の最先端（SOTA）手法は、「静的アーティファクト仮説」の下で動作しており、検出器は過去のデータから本質的に不変な特徴を抽出することで、未知の将来的な生成モデルに対しても普遍的なゼロショット汎化を実現できると想定している。

これらの静的な手法は、GenImageのような確立されたベンチマークでは飽和状態に達しているが、本論文は、急速に進化するクローズドソースの商用ジェネレーター（例：SD3、Nano Banana Pro、Doubao Seedream 4.0）に直面した際に、壊滅的な性能低下に陥ることを示している。静的なモデルの決定境界は、既知のデータ多様体から新しい偽造特徴を分離することに失敗し、事前学習された「不変な」特徴を無効化してしまう。さらに、既存の少ショット（few-shot）アプローチは、プロトタイプ・ドリフト、真正なサンプルに対する誤検知、および継続的な適応における破滅的忘却の問題をしばしば抱えている。

2. 手法：Fleetフレームワーク

これらの限界に対処するため、著者らは「静的な汎化」から「動的な適応」へのパラダイムシフトを提案する。彼らは、新たに出現する生成技術の脅威に対して迅速な整合（アライメント）を可能にする、継続的な少ショット進化のために設計されたフレームワークであるFleetを導入する。

コアアーキテクチャ：相互排他的なサブスペース・ルーティング

Fleetは、デュアルブランチ・アーキテクチャを採用している：

1. 高周波ブランチ： 高速フーリエ変換（FFT）を利用して、生成メカニズムには敏感だが高次セマンティクスには依存しない高周波信号（$X_{high}$）を分離する。畳み込みエンコーダー（$E_{freq}$）がルーティング信号（$r_{freq}$）を抽出する。
2. 事前学習ブランチ： 低ランク適応（LoRA）によって強化された、凍結されたDINOv3バックボーンを使用して、高次元の特徴表現（$z$）を抽出する。

サブスペース・メカニズム

本フレームワークは、$C$ 個の学習可能なサブスペースを定義する。各入力に対し、高次元特徴 $z$ は以下へと投影される：

• サブスペース・アドレス ($a_i$): ルーティングの決定に使用される。
• サブスペース特徴 ($s_i$): 特徴の集約に使用される。

ルーティング信号 $r_{freq}$ はゲーティング・ネットワークとして機能し、Softmaxを介してアテンション重み（$\alpha$）を計算することで、どのサブスペースを活性化させるかを決定する。最終出力は、活性化されたサブスペース特徴の重み付き結合である。

学習戦略

学習プロセスは2つのフェフェーズで構成される：

フェーズ1：相互排他的ルーティングの事前学習
目的は、AIサンプルと非AIサンプルが明確に異なる、相互に排他的なサブスペースを活性化させる構造化された特徴空間を構築することである。

• 対照学習 ($L_{cls}$): 判別的な特徴分離を確実にする。
• 直交性制約 ($L_{orth}$): AIサンプルと非AIサンプルの平均的なルーティング重みの内積を最小化し、サブスペースの専門化を強制する。
• 被覆制約 ($L_{cov}$): 特徴の崩壊を防ぐため、すべてのサブスペースが効果的に利用されることを保証する。

フェーズ2：回避ルーティングによる少ショット適応
新しいジェネレーターに遭遇した際、Fleetは小さなサポートセット（例：10ショット）を用いて適応するが、その際、破滅的忘却を防ぐ。

• 回避ルーティング ($L_{avoid}$): 新しいAIサンプルを非AIが支配するサブスペースから、またその逆に明示的に遠ざける新しいメカニズム。これは、新しいサンプルのルーティング分布と、反対のクラスの固定アンカーとの間の直交性を強制する。「シャント・アンド・アイソレート（分岐と隔離）」戦略を実装しており、真正な表現を乱すことなく、判別的な偽造サブスペース内に更新を集中させる。
• 反忘却蒸留 ($L_{distill}$): 以前のデータのリプレイセットを使用し、過去のモデルからの特徴の幾何学的構成を維持することで、歴史的な知識の保持を保証する。

3. 主な貢献

1. 新しいパラダイム：動的適応

本論文は、静的なアーティファクト仮説に異を唱え、固定された特徴空間に固執することは、オープンワールドの防御においてはもはや生存不可能であると主張する。著者らは、"Zero-Day" の脅威に対して検出能力を維持するために必要なパラダイムとして、継続的な少ショット進化を提案している。

2. 新しい手法：Fleet

Fleetは、回避ルーティングを活用したサブスペース・ルーティング・フレームワークとして導入される。知識を上書きしたりドリフトさせたりする可能性のある標準的な少ショット手法とは異なり、Fleetは制約付きのルーティング補正を使用して、安定した非AI表現を維持しながら、新しい偽造に対して効率的に適応する。

3. 新しいベンチマーク：Treasure

これらの主張を厳密に評価するため、著者らは、既存のデータセットと、多様化する商用エンジンの爆発的な増加との間のラグに対処する、フロンティア・ベンチマークであるTreasureを構築した。

• 規模: 64の異なる生成モデルからなる360,000枚の画像。
• 多様性: 20のクローズドソース商用エンジン（例：Midjourney v7, Imagen 4, Doubao Seedream 4.0）を含み、多様なアーキテクチャ、セマンティクス、および芸術的スタイルをカバーしている。
• アノテーション: 正当性、カテゴリ、および芸術的スタイル（フォトリアリズム、2D、3D、伝統的芸術）を含む多次元的なアノテーションを備えている。

4. 実験結果

Treasure および AIGIBench における性能

実験により、静的なSOTA手法が現代的なジェネレーターに対して壊滅的な失敗を喫することが明らかになった。例えば、「Doubao Seedream 4.0」モデルにおいて、静的な検出器はランダムに近い精度まで低下する。

• Fleetの性能: わずか 10ショットの適応 により、Fleetは Doubao Seedream 4.0 における性能を 20.4% から 73.1% へと回復させる。
• 比較: Treasure ベンチマークにおいて、Fleetの1ショット精度（76.08%）は、最良のベースライン（PLMの76.56%）のゼロショット性能に迫り、専用の少ショット・ベースラインである FSD（10ショットで68.28%）を大幅に上回る。
• 反忘却: ベースラインのFSDが深刻な破滅的忘果（検証精度が約74%まで低下）に苦しむ一方で、Fleetは事前学習分布に対してほぼ完璧な記憶保持（>99.9%）を維持する。

堅牢性とアブレーション研究

• 堅牢性: Fleetは、他の手法が著しく劣化する後処理の摂動（JPEG圧縮、ガウスぼかし）に対しても、極めて高い安定性を維持する。
• アブレーション研究: 回避損失（$L_{avoid}$）を取り除くと、精度が4.01%低下し、誤ったサブスペース更新を防ぐためのその決定的な役割が確認された。本手法はLoRAのランク変動に対して堅牢であり、ランク=8が最適なトレードオフをもたらす。

5. 意義と主張

本論文は、Fleetが、急速に進化する合成技術に対してデジタルメディアを保護するための、実用的かつ効率的なパラダイムを確立すると主張している。核心的な目的を「静的な不変性の発見」から「可塑性のある決定空間の構築」へとシフトさせることで、Fleetは新しいアーティファクトへの精密な適応を可能にする。

著者らは、本研究がこの分野における決定的な評価の盲点を埋めるものであると強調している。Treasure ベンチマークと動的適応パラダイムを導入することで、オープンワールドのシナリオにおいて検出器を厳密にストレス・テストするために必要なツールをコミュニティに提供している。本研究は、AIGI 検出の未来は、普遍的な「銀の弾丸」となる特徴を見つけることではなく、制約付きの少ショット学習を通じて、敵対者と共に進化できるフォレンジック・システムを構築することにあると示唆している。

認められた限界:
論文では、現在の研究がフルイメージ生成のみに焦に特化していることを謙虚に記しており、局所的な編集やフェイススワップへの汎用性についてはさらなる調査が必要であるとしている。また、リプレイセットへの依存はストレージのオーバーヘッドを伴うため、リプレイフリーのメカニズムが将来の研究における目標であることを示唆している。現在のパラダイムは単一ステップの少ショット適応用に設計されており、継続的な少ショット学習が、将来の実用的な展開に向けた重要なステップとして特定されている。