基于词汇锚定的时间伪造定位
计算机视觉与模式识别
2026-03-09 v1
摘要
当前的时间伪造定位(TFL)方法通常依赖时间边界回归或连续帧级异常检测范式以生成伪造候选方案。但这些方法不仅存在特征粒度错位，还面临计算成本高的问题。为此，我们提出一种基于词汇锚定的时间伪造定位(WAFL)——一种新颖的范式，将TFL任务从时间回归和连续定位转向离散词汇级二元分类。具体而言，我们首先分析时间伪造的本质，识别出最小有意义的伪造单元——词汇标记——并将数据预处理与语言边界对齐。为适配强大的预训练基础模型进行特征提取，我们引入了犯罪特征重新映射(FFR)模块，将预训练语义空间的表征映射到判别性犯罪流形上。这使后续轻量级线性分类器能够高效地完成二元分类，从而完成TFL任务。此外，为克服伪造检测中极端类别不平衡问题，我们设计了基于artifact的非对称(ACA)损失函数，该损失通过动态抑制压倒性真实梯度，同时非对称地优先考虑细微的犯罪artifact，从而打破标准的精确率-召回率权衡。大量实验表明，WAFL在就地及跨数据集设置下，均显著优于最先进的方法，在定位性能方面表现出色，同时所需的可学习参数大幅减少，计算效率也大幅提升。
引用
@article{arxiv.2603.06220,
title = {Word-Anchored Temporal Forgery Localization},
author = {Tianyi Wang and Xi Shao and Harry Cheng and Yinglong Wang and Mohan Kankanhalli},
journal= {arXiv preprint arXiv:2603.06220},
year = {2026}
}
备注
Submitted for review