AI-Generated Video Detection via Spatio-Temporal Anomaly Learning

生成模型的进步导致高度逼真的人工智能生成视频的出现。恶意用户可以轻松创建不存在的视频来传播虚假信息。本文提出了一种有效的AI生成视频检测（AIGVDet）方案，通过使用两个分支的时空卷积神经网络（CNN）捕获取证痕迹。具体而言，分别学习两个ResNet子检测器，以识别空间和光流领域中的异常情况。这些子检测器的结果被融合以进一步提高鉴别能力。构建了一个大规模生成的视频数据集（GVD）作为模型训练和评估的基准。广泛的实验结果验证了我们的AIGVDet方案的高通用性和鲁棒性。代码和数据集将在https://github.com/multimediaFor/AIGVDet上提供。

本文旨在提出一种有效的AI生成视频检测(AIGVDet)方案，通过使用两个分支的时空卷积神经网络(CNN)捕获取证迹象，以便识别虚假信息传播。

本文提出了一种使用两个ResNet子探测器分别学习识别空间和光流领域异常的方案，并将这些子探测器的结果融合以进一步增强判别能力。

本文构建了一个大规模的生成视频数据集(GVD)作为模型训练和评估的基准。实验结果表明，AIGVDet方案具有高度的泛化性和鲁棒性。作者提供了代码和数据集。

最近的相关研究包括：'Deep Video Portraits'，'Everybody Dance Now'，'GANimation'等。