画像自己回帰モデル（IAR）は近年、大規模言語モデルから適応させた次トークン予測パラダイムにより、フォトリアルな品質と高速な合成を実現する生成能力で注目を集めています。こうしたモデルが広く利用可能になるにつれ、生成画像がどのソースモデルによって合成されたかを確実に追跡するための堅牢なデータプロヴェナンスが必要になってきました。 偽情報の拡散防止、詐欺検出、有害コンテンツの帰属特定といった目的から、生成画像の出所を正確に特定することは急務です。研究チームの発見によると、IAR生成画像は一見して実画像と区別がつかないように見えますが、その生成過程では出力に特有のパターンが導入されており、これが生成画像の信頼性の高いプロヴェナンス信号として機能するということです。 本研究で提示されているのは、このようなパターンを検出してプロヴェナンス追跡を行う事後的フレームワークです。重要な点として、このフレームワークは生成プロセスや出力の改変を必要としません。そのため、すでに公開されている生成コンテンツにおいて追加的なマーキングができない場合や、ウォーターマーキング機能を統合していないモデルのコンテンツに対しても適用可能です。研究チームは多様なIARモデルにわたってこのアプローチの有効性を実証し、自己回帰型画像生成における堅牢なデータプロヴェナンス追跡の高い可能性を強調しています。