Grab-3D：通过三维几何时间一致性检测 AI 生成视频
计算机视觉与模式识别
2025-12-16 v1
摘要
近期基于扩散的生成技术进展使 AI 模型能够生成高度逼真的视频，凸显了对可靠检测机制的需求。然而，现有检测方法仅对生成视频中的三维几何模式进行了有限的探索。在本文中，我们使用消失点作为三维几何模式的显式表示，揭示了真实视频与 AI 生成视频之间在几何一致性上的根本差异。我们提出了 Grab-3D，一个几何感知的 Transformer 框架，基于三维几何时间一致性来检测 AI 生成视频。为实现可靠评估，我们构建了一个静态场景的 AI 生成视频数据集，允许稳定的三维几何特征提取。我们提出了一种配备几何位置编码、时间-几何注意力和基于 EMA 的几何分类头的几何感知 Transformer，以将三维几何感知显式注入时间建模。实验表明 Grab-3D 显著超越了现有最先进检测器，实现了对未见生成器的鲁棒跨域泛化。
引用
@article{arxiv.2512.13665,
title = {Grab-3D: Detecting AI-Generated Videos from 3D Geometric Temporal Consistency},
author = {Wenhan Chen and Sezer Karaoglu and Theo Gevers},
journal= {arXiv preprint arXiv:2512.13665},
year = {2025}
}