真相之流：面向图像到视频生成的主动时序 Forensics
计算机视觉与模式识别
2026-05-22 v2
摘要
图像到视频 (I2V) 生成的快速崛起使可从单张图像创建逼真的视频成为可能，但也带来了新的 Forensics 需求。与静态图像不同，I2V 内容随时间演化，要求 Forensics 从二维像素级篡改定位转向追踪像素如何在整个视频中流动和转换。随着帧的推进，嵌入的痕迹会漂移和变形，使传统的空间 Forensics 失效。为解决这一未探索的维度，我们提出 **真相之流**，这是第一个专注于 I2V 生成时序 Forensics 的主动框架。一个关键挑战在于发现一种可以在生成过程中持续演化的 Forensics 签名，这本质上是一种创造性转换而非确定性重构。尽管存在这一内在困难，我们创新性地将视频生成重新定义为*像素随时间的运动*而非帧的合成。基于此观点，我们提出一种遵循像素运动的可学习 Forensics 模板，以及一种在运动与图像内容之间解耦的模板引导流模块，实现稳健的时序追踪。实验表明，真相之流在商业和开源 I2V 模型之间具有广泛的可迁移性，显著提升了时序 Forensics 性能。
引用
@article{arxiv.2604.15003,
title = {Flow of Truth: Proactive Temporal Forensics for Image-to-Video Generation},
author = {Yuzhuo Chen and Zehua Ma and Han Fang and Hengyi Wang and Guanjie Wang and Weiming Zhang},
journal= {arXiv preprint arXiv:2604.15003},
year = {2026}
}