ActivityForensics:用于局部视频活动篡改的综合基准
计算机视觉与模式识别
2026-04-07 v1
摘要
时间篡改局部化旨在在视频中识别篡改的片段。现有大多数基准仅关注外观层面的篡改,如人脸替换和对象删除。然而,近期的视频生成技术进步推动了活动层面篡改的出现,这类篡改修改人类动作以扭曲事件语义,导致高度欺骗性的篡改严重削弱了媒体真实性和公众信任。为克服此问题,我们引入 ActivityForensics,首个大规模视频活动篡改局部化基准。该基准包含超过 6000 个被无缝融合到视频语境中的伪造视频片段,使其在视觉上与真实内容几乎无法区分。我们进一步提出了Temporal Artifact Diffuser (TADiff),一种通过基于扩散的特征正则化暴露 artifact 线索的简单而有效的基线方法。基于 ActivityForensics,我们引入了涵盖内部域、跨域和开放世界设置的全面评估协议,并对广泛的前沿篡改局部化方法进行基准测试,以促进未来研究。该数据集和代码已在 https://activityforensics.github.io 提供。
引用
@article{arxiv.2604.03819,
title = {ActivityForensics: A Comprehensive Benchmark for Localizing Manipulated Activity in Videos},
author = {Peijun Bao and Anwei Luo and Gang Pan and Alex C. Kot and Xudong Jiang},
journal= {arXiv preprint arXiv:2604.03819},
year = {2026}
}
备注
[CVPR 2026] The first benchmark for action-level deepfake localization