法廷におけるAI改ざん画像検出のためのベンチマークとデータセット

- 法廷・司法制度における証拠画像の真正性を評価するためのベンチマークとデータセット。 - 名称は CIFAR Synthetic Evidence Corpus for Detecting AI-Manipulated Images。 - 1,505 の写真項目（真正コントロール 720、操作・捏造画像 785）を含む。 - 監視カメラ、ドライブレコーダー、消費者向け写真の画像を対象。 - 操作は scene-condition edits、localized element edits、full fabrications に分類。 - 各項目に source provenance、manipulation tier、subtype、generator、prompt template、scene attributes のメタデータを付与。

- 既存の image-forensics ベンチマークは face manipulation、classical tampering、general synthetic-image detection に焦点。 - それらは法廷に提出される視覚証拠の形式、証拠の証明内容を変える局所編集、消費者ツールによる脅威モデルに組織化されていない。 - 本ベンチマークは司法制度が直面する consumer-tool threat model に合わせて設計。 - 集約的な二値検出を超えた制御評価を可能にする構造化メタデータを提供。

- 監視、ドライブレコーダー、消費者写真の画像を収集。 - 真正コントロールと操作・捏造画像を区別してコーパスを構築。 - 操作を scene-condition edits、localized element edits、full fabrications の階層に分類。 - 現代の generative systems を用いて操作・捏造を生成。 - 各項目に source provenance、manipulation tier、subtype、generator、prompt template、scene attributes のメタデータを付与。 - 公開されている image-manipulation detectors でベースラインを確立。

- 公開されている image-manipulation detectors を用いてベースライン評価を実施。 - 現在のシステムが証拠利用に問題となるエラープロファイルを示すことを確認。 - データセット、プロンプト、メタデータ、コード、ベースライン評価スクリプトを公開し、研究を支援。

- 既存の法的・技術的ワークフローは画像改変・捏造の評価に十分対応していない。 - 現代の generative systems により非専門家でもプロンプトベースで画像を改変・捏造可能。 - 現在の検出システムのエラープロファイルは証拠利用に問題が残る。 - 要旨からは、具体的な議論の詳細や限界については不明。

- 要旨で参照されている既存の image-forensics ベンチマーク（face manipulation、classical tampering、general synthetic-image detection に関するもの）。 - 公開されている image-manipulation detectors のベースライン研究。 - 同分野の定番として、image forensics、synthetic image detection、deepfake detection に関する一般的な研究。