DeMamba：百万级GenVideo基准上的AI生成视频检测
计算机视觉与模式识别
2024-08-23 v3
摘要
近年来，视频生成技术发展迅速。鉴于视频内容在社交媒体平台上的流行，这些模型加剧了对虚假信息传播的担忧。因此，对能够区分虚假AI生成视频并减轻虚假信息潜在危害的检测器的需求日益增长。然而，缺乏来自最先进视频生成器的大规模数据集阻碍了此类检测器的发展。为了填补这一空白，我们引入了第一个AI生成视频检测数据集GenVideo。它具有以下特点：（1）大量视频，包括超过一百万条AI生成和真实视频；（2）生成内容和方法的丰富多样性，涵盖了广泛的视频类别和生成技术。我们对数据集进行了广泛研究，并提出了两种针对真实场景的评估方法来评估检测器性能：跨生成器视频分类任务评估训练好的检测器在生成器上的泛化能力；退化视频分类任务评估检测器处理在传播过程中质量退化的视频的鲁棒性。此外，我们引入了一个即插即用模块，名为Detail Mamba（DeMamba），旨在通过分析时空维度上的不一致性来识别AI生成视频，从而增强检测器。我们的大量实验表明，与现有检测器相比，DeMamba在GenVideo上具有优越的泛化能力和鲁棒性。我们相信GenVideo数据集和DeMamba模块将显著推动AI生成视频检测领域的发展。我们的代码和数据集将在\url{https://github.com/chenhaoxing/DeMamba}上提供。
引用
@article{arxiv.2405.19707,
title = {DeMamba: AI-Generated Video Detection on Million-Scale GenVideo Benchmark},
author = {Haoxing Chen and Yan Hong and Zizheng Huang and Zhuoer Xu and Zhangxuan Gu and Yaohui Li and Jun Lan and Huijia Zhu and Jianfu Zhang and Weiqiang Wang and Huaxiong Li},
journal= {arXiv preprint arXiv:2405.19707},
year = {2024}
}