保留伪造痕迹：AI 生成视频的原生尺度检测

视频生成模型的快速进步使得能够创建高度逼真的合成媒体，引发了关于虚假信息传播的重大社会担忧。然而，当前的检测方法存在关键局限性。它们依赖于固定分辨率的调整和裁剪等预处理操作。这些操作不仅会丢弃细微的高频伪造痕迹，还会导致空间失真和显著信息损失。此外，现有方法通常在过时的基准数据集上训练和评估，无法捕捉现代生成模型的 sophistication。为解决这些挑战，我们引入了一个全面的数据集和一个新颖的检测框架。首先，我们策划了来自 15 个最先进的开源和商业生成器的超过 14 万个视频的数据集，并设计了专门用于评估超逼真合成内容的 Magic Videos 基准。在此基础上，我们提出一个基于 Qwen2.5-VL 视觉 Transformer 的新型检测框架，该框架可在可变的空间分辨率和时间持续时间上原生运行。这种原生尺度方法有效地保留了在常规预处理过程中丢失的高频痕迹和时空不一致性。广泛的实验表明，我们的方法在多个基准上实现了优异性能，凸显了原生尺度处理的重要性，并为 AI 生成视频检测树立了 robust 的新基准。