D3：基于二阶特征的无训练 AI 生成视频检测
计算机视觉与模式识别
2025-08-06 v2 人工智能
摘要
视频生成技术的演进，如 Sora，使得生成高保真 AI 生成视频变得越来越容易，引发公众对合成内容传播的关切。然而，现有检测方法受限于对合成视频中时间性痕迹的探索不足。为填补这一差距，我们通过牛顿力学下的二阶动力学分析建立了理论框架，随后开发了针对时间性痕迹检测的 Second-order Central Difference 特征。基于这一理论基础，我们揭示了实视频与 AI 生成视频在二阶特征分布中的根本性差异。具体而言，我们提出了基于上述二阶时间差异的检测方法 Detection by Difference of Differences (D3)。我们在 4 个开源数据集 (Gen-Video、VideoPhy、EvalCrafter、VidProM) 上的 40 个子集中验证了 D3 的优越性。例如，在 GenVideo 上，D3 比当前最佳方法提高了 10.39%（绝对）平均精度。额外实验表明 D3 在计算成本和后处理操作方面具有卓越的计算效率和强鲁棒性。我们的代码已公开于 https://github.com/Zig-HS/D3。
引用
@article{arxiv.2508.00701,
title = {D3: Training-Free AI-Generated Video Detection Using Second-Order Features},
author = {Chende Zheng and Ruiqi suo and Chenhao Lin and Zhengyu Zhao and Le Yang and Shuai Liu and Minghui Yang and Cong Wang and Chao Shen},
journal= {arXiv preprint arXiv:2508.00701},
year = {2025}
}
备注
8 pages, 4 figures