Chameleon：商用级 AI 生成视频的检测与溯源基准测试
计算机视觉与模式识别
2026-05-08 v2
摘要
AI 生成内容（AIGC）的激增，尤其是 deepfake 视频，通过助长欺诈、侵犯隐私和虚假信息，对社会信任构成了严重威胁。现有的 AI 生成视频检测（AGVD）基准侧重于开源模型生成的视频，然而商业闭源模型会产生更逼真、时间上更连贯的视频，这在检测研究中尚未得到充分探索。为了填补这一空白，我们推出了 Chameleon，这是一个商用级数据集，包含来自三个关键领域（新闻、演讲、推荐）的 600 个真实世界来源的 1,700 个 AI 生成视频，具有高分辨率、丰富的标注以及用于动态场景空间连贯性的 3D 一致性指标，将检测从以人脸为中心的伪造转向整体场景取证。该基准在两个核心任务上评估模型：在真实世界条件下的准确 AI 视频检测和对原始来源的取证溯源。实验结果揭示了现有方法在检测和溯源来自商业闭源模型的高保真、时空连贯视频方面的关键局限性，突显了当前方法在取证推理上的缺陷，并将 Chameleon 确立为 AIGC 安全研究的一项重要挑战。代码和数据可在 https://github.com/lxixim/Chameleon 获取。
引用
@article{arxiv.2503.06624,
title = {Chameleon: Benchmarking Detection and Backtracking on Commercial-Grade AI-Generated Videos},
author = {Xingming Liao and Meiyu Zeng and Canyu Chen and Nankai Lin and Zhuowei Wang and Aimin Yang},
journal= {arXiv preprint arXiv:2503.06624},
year = {2026}
}
备注
Accepted by ICMR 2026