AEGIS：面向 AI 生成视频序列的真实性评估基准

近期 AI 生成内容的进展推动了高度逼真的合成视频的涌现，构成了对社会信任和数字完整性的严重威胁。现有的视频真实性检测基准通常 suffer from 现实性有限、规模不足以及复杂性不足，无法有效评估现代视觉-语言模型针对高级伪造材料的表现。为此，我们引入 AEGIS，一个新型大规模基准，专门针对超逼真且语义细腻的 AI 生成视频的检测。AEGIS 包含超过 10,000 项经过严格筛选的真实与合成视频，由多样化且最先进的生成模型生成，包括 Stable Video Diffusion、CogVideoX-5B、KLing 和 Sora，涵盖开源和专有架构。特别地，AEGIS 包含经过精心构建的具有挑战性的子集，增强了鲁棒性评估。此外，我们提供多模态注释，包括语义-真实性描述、运动特征和低层视觉特征，促进真实性检测并支持下游任务，如多模态融合和伪造局部化。广泛实验表明，针对 AEGIS 最具挑战性的子集，先进的视觉-语言模型的检测能力有限，这凸显了该数据集独特的复杂性和逼真性，超越了现有模型的泛化能力。简言之，AEGIS 建立了一个必不可少的评估基准，为开发能够应对实际伪造威胁的真正稳健、可靠、广泛可泛化的视频真实性检测方法奠定了基础。我们的数据集已在 https://huggingface.co/datasets/Clarifiedfish/AEGIS 上提供。