利用预训练视觉模型进行 AI 生成视频检测
计算机视觉与模式识别
2025-07-18 v1
摘要
近期的生成式 AI（GenAI）技术进展显著提升了生成视觉内容的质量。随着 AI 生成的视觉内容日益难以与真实内容区分，检测这些生成内容的挑战在抵御误information、确保隐私和防止安全威胁方面至关重要。虽然在检测 AI 生成图像方面取得了显著进展，但当前的视频检测方法主要聚焦于 deepfake，仅涉及人类面部。然而，视频生成领域已发展超越 deepfake，亟需能够检测通用内容 AI 生成视频的方法。为填补这一空白，我们提出一种新颖方法，利用预训练视觉模型区分真实与生成视频。这些预训练模型在大量真实视觉内容上进行训练，蕴含可帮助区分真实与生成视频的内在信号。通过这些提取的特征，我们在无需额外模型训练的情况下即可实现高检测性能，并通过在提取特征上添加简单的线性分类层进一步提升性能。我们在构建的数据集（VID-AID）上进行了验证，该数据集包含约 10,000 个由 9 个不同文本到视频模型生成的 AI 生成视频，以及 4,000 个真实视频，总计超过 7 小时的视频内容。我们的评估显示，该方法在平均检测准确率上超过 90%，凸显了其有效性。接受批准后，我们计划公开发布代码、预训练模型和我们的数据集，以支持该关键领域的持续研究。
引用
@article{arxiv.2507.13224,
title = {Leveraging Pre-Trained Visual Models for AI-Generated Video Detection},
author = {Keerthi Veeramachaneni and Praveen Tirupattur and Amrit Singh Bedi and Mubarak Shah},
journal= {arXiv preprint arXiv:2507.13224},
year = {2025}
}