🤖 AI

Preserving Forgery Artifacts: AI-Generated Video Detection at Native Scale

Deze paper introduceert een nieuw dataset en een detectieframework op basis van Qwen2.5-VL dat AI-gegenereerde video's analyseert op hun oorspronkelijke schaal om de beperkingen van bestaande methoden te overwinnen en zo de detectie van misinformatie te verbeteren.

Oorspronkelijke auteurs: Zhengcen Li, Chenyang Jiang, Hang Zhao, Shiyang Zhou, Yunyang Mo, Feng Gao, Fan Yang, Qiben Shan, Shaocong Wu, Jingyong Su

Gepubliceerd 2026-04-07

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Zhengcen Li, Chenyang Jiang, Hang Zhao, Shiyang Zhou, Yunyang Mo, Feng Gao, Fan Yang, Qiben Shan, Shaocong Wu, Jingyong Su

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat er een nieuwe soort "super-veiligheidsagent" is ontstaan die kan zien of een video echt is of gemaakt door een computer. Maar tot nu toe was deze agent een beetje dom: hij keek alleen naar kleine, wazige foto's van de video en negeerde de fijne details.

Dit nieuwe onderzoek, gepresenteerd op de ICLR 2026-conferentie, introduceert een veel slimmere agent. Hier is hoe het werkt, vertaald naar alledaags taal:

1. Het Probleem: De "Wazige Foto"-Fout

Vroeger, als computers probeerden te zien of een video nep was, moesten ze eerst de video in een heel klein vierkantje (224x224 pixels) persen.

De Analogie: Stel je voor dat je een meesterlijk schilderij van een landschap hebt. Om te zien of het echt is, knip je er een klein stukje van af, verkleint je dat tot postzegelgrootte en kijkt je er dan naar.
Het Resultaat: Je mist alle fijne details! De nepmakers (AI) laten vaak heel subtiele foutjes achter, zoals rare rimpels in de lucht of vreemde schaduwen. Door de video zo klein te maken, worden deze foutjes onzichtbaar. Het is alsof je probeert een valse munt te herkennen door er alleen naar te kijken door een slechte vergrootglas.

2. De Oplossing: Kijken in "Originele Kwaliteit"

De auteurs van dit paper zeggen: "Wacht even, laten we de video gewoon in zijn originele grootte bekijken!"

De Analogie: In plaats van de video te verkleinen, kijken ze ernaar alsof je door een raam kijkt. Je ziet de hele wereld, van de grote gebouwen tot de kleine steentjes op de grond, allemaal in de juiste verhoudingen.
De Technologie: Ze gebruiken een heel krachtig brein (een model genaamd Qwen2.5-ViT) dat gewend is om naar video's te kijken zonder ze eerst te "verprutsen". Hierdoor kunnen ze de kleine, onzichtbare foutjes van de AI zien die bij andere methoden verloren gaan.

3. De Nieuwe "Truc" (De Dataset)

Om deze nieuwe agent te trainen, hadden ze een enorme verzameling video's nodig.

Het Oude Probleem: De oude trainingsvideo's waren vaak van oude, slechte AI-modellen. Het was alsof je een agent trainde om valse munt te herkennen, maar je gaf hem alleen oude, goedkope vervalsingen te zien. Zodra de vervalsers slimmer werden, faalde de agent.
De Nieuwe Aanpak: Ze hebben een nieuwe bibliotheek gemaakt genaamd "Magic Videos". Ze hebben video's gemaakt met de 15 slimste en nieuwste AI-generators van dit moment (zoals Sora, Kling, en andere).
De Analogie: Ze hebben hun agent getraind op de allerbeste, meest realistische vervalsingen die er bestaan. Als hij deze kan herkennen, kan hij waarschijnlijk alles herkennen.

4. Waarom is dit belangrijk?

Stel je voor dat iemand een nepvideo maakt van een beroemdheid die iets stuiters zegt. Als we geen goede detector hebben, kan dat de hele wereld in de war sturen.

De Bots: De oude methoden faalden vaak als de video een andere grootte had of van een nieuw type AI kwam.
De Winnaar: De nieuwe methode van dit team werkt veel beter. Ze hebben getoond dat als je de video in zijn originele vorm bekijkt, je veel sneller en accurater kunt zien of het nep is. Ze zijn zelfs beter geworden dan de grote, bekende namen in het veld.

Samenvattend

Dit onderzoek is als het upgraden van een beveiligingssysteem:

Oude systeem: Kijkt naar wazige, kleine foto's en mist de details.
Nieuw systeem: Kijkt naar de video in volle HD, ziet elke kleine fout, en is getraind op de allernieuwste nep-video's.

Het is een grote stap vooruit in het beschermen van de waarheid in een wereld waar AI-video's steeds moeilijker van echt te onderscheiden zijn.

Probleemstelling

De snelle vooruitgang in video-generatiemodellen (zoals Diffusion Transformers en commerciële tools zoals Sora, Kling en Runway) heeft geleid tot hyper-realistische synthetische media. Dit vormt een ernstige bedreiging voor de informatie-integriteit, privacy en publiek vertrouwen. Bestaande detectiemethoden voor AI-genereren video's (AIGV) kampen echter met twee fundamentele beperkingen:

Destructieve Preprocessing: De meeste huidige methoden zijn afhankelijk van vaste preprocessing-stappen, zoals het herschalen (resizing) of bijsnijden (cropping) van videoframes naar een vaste lage resolutie (bijv. 224x224 pixels). Dit proces:
- Vernietigt subtiele, hoogfrequente vervalsingsartefacten (pixel-level fouten) die cruciaal zijn voor detectie.
- Veroorzaakt ruimtelijke vervorming (aspect ratio verlies), waardoor detectors oppervlakkige distributieverschillen leren in plaats van robuuste vervalsingskenmerken.
- Verwijdert belangrijke globale semantische informatie die buiten het geselecteerde crop-gebied ligt.
Verouderde Data: Bestaande datasets en benchmarks zijn vaak gebaseerd op oudere generatiemodellen met lagere kwaliteit, kortere duur en lagere resolutie. Detectiemodellen getraind op deze data presteren slecht op moderne, hoogwaardige synthetische video's.

Methodologie

De auteurs stellen een unificerend kader voor dat de beperkingen van vaste resoluties overbrugt en een nieuwe, hoogwaardige dataset introduceert.

1. Native-Scale Verwerking (Qwen2.5-ViT)
In plaats van video's te herschalen, gebruikt het voorgestelde framework het Qwen2.5-VL Vision Transformer als visuele backbone.

3D Patchificatie op Native Schaal: Het model tokenizeert invoervideo's direct in 3D-patches (ruimtelijk en temporair) zonder voorafgaande herschaling of padding. Een video met tensor $V \in \mathbb{R}^{T \times H \times W \times C}$ wordt opgedeeld in niet-overlappende 3D-patches van grootte $(P_t, P_h, P_w) = (2, 14, 14)$ .
Voordeel: Dit behoudt de originele aspect ratio en de hoge resolutie, waardoor subtiele texturen en temporale inconsistenties intact blijven.
Efficiëntie: Om de rekenkosten van hoge resoluties te beheersen, worden technieken zoals Flash Attention, Batch Packing (uit NaViT) en Windowed Attention toegepast.
Finetuning: Er worden drie strategieën onderzocht: Full Finetuning, Linear Probing en Parameter-Efficient Fine-Tuning (LoRA).

2. Data Curation: Magic Videos Benchmark
Om de kloof tussen trainingsdata en de staat van de techniek te dichten, hebben de auteurs een nieuwe dataset samengesteld:

Trainingsdata: Een dataset van meer dan 140.000 video's gegenereerd door 15 verschillende state-of-the-art modellen (zowel open-source als commercieel, waaronder Wan2.1, Hailuo, StepVideo, Sora, etc.).
Magic Videos Benchmark: Een specifieke evaluatiebenchmark met ultra-realistische video's gegenereerd door 6 recente modellen. Deze video's zijn gegenereerd met zorgvuldig samengestelde prompts (gebaseerd op ShareGPT4Video) om realistische scenario's (landschappen, architectuur, menselijke interacties) te simuleren die vatbaar zijn voor desinformatie.

Belangrijkste Bijdragen

Nieuwe Dataset: Een omvangrijke, diverse dataset van 140K+ video's van 15 generatoren voor training, en de "Magic Videos" benchmark voor evaluatie, die de huidige kwaliteit van AIGC nauwkeurig weerspiegelt.
Native-Resolution Framework: Een innovatief detectiekader gebaseerd op Qwen2.5-ViT dat video's verwerkt in hun oorspronkelijke resolutie en tijdsduur. Dit elimineert de noodzaak voor destructieve herschaling en behoudt essentiële forensische artefacten.
State-of-the-Art Prestaties: Uitgebreide experimenten tonen aan dat de methode superieure generalisatie en robuustheid bereikt over diverse benchmarks, zelfs ten opzichte van modellen die specifiek zijn ontworpen voor deepfake-detectie of AI-afbeeldingen.

Resultaten

De methode is getest op meerdere benchmarks, waaronder GenVideo, DVF, DeepTraceReward en de eigen Magic Videos.

Algemene Prestaties: Het model (Qwen2.5-ViT) bereikte de hoogste gemiddelde nauwkeurigheid (mACC) en gemiddelde precisie (mAP) op de Magic Videos benchmark, met respectievelijk 83.20% en 93.28%.
Cross-Generator Robuustheid: In tegenstelling tot bestaande methoden (zoals TALL, F3Net, Effort) die vaak falen bij nieuwe generatoren, presteert het voorgestelde model consistent hoog over alle geteste generatoren (van Wan2.1 tot StepVideo).
Vergelijking met VLM's: Het model presteert aanzienlijk beter dan grote multimodale taalmodellen (zoals GPT-5, Gemini 2.5 Pro) op de taak van het onderscheiden van echte en nep-video's (97.2% nauwkeurigheid vs. ~90% of lager voor de VLM's).
Ablatie Studies:
- Resolutie: Het gebruik van dynamische resoluties (tot 720p) levert aanzienlijk betere resultaten op dan vast 224p herschalen of bijsnijden.
- Temporale Context: Het verwerken van langere sequenties (T=8 frames) verbetert de detectie van temporale inconsistenties.
- Robuustheid: Het model is zeer robuust tegen compressie (JPEG, H.264) en matige schaalveranderingen, hoewel extreme ruimtelijke degradatie de prestaties beïnvloedt.

Betekenis en Impact

Dit paper markeert een paradigmaverschuiving in de detectie van AI-genereren video's:

Van "Downsampling" naar "Native Scale": Het bewijst dat het behoud van de oorspronkelijke resolutie en aspect ratio essentieel is om de subtiele artefacten van moderne generatiemodellen te detecteren. De traditionele aanpak van herschalen naar 224x224 is schadelijk voor de detectiecapaciteit.
Data-Kwaliteit: Het benadrukt dat de kwaliteit van de trainingsdata direct correleert met de detectieprestaties. Hogere kwaliteit synthetische video's (zoals die in de Magic Videos benchmark) bieden betere supervisie voor het leren van vervalsingskenmerken.
Toekomstbestendigheid: Door een framework te bieden dat werkt met variabele resoluties en tijdsduur, is de methode beter voorbereid op de snelle evolutie van generatieve modellen, die vaak video's produceren met verschillende aspect ratio's en kwaliteitsniveaus.

Samenvattend biedt dit werk een robuuste nieuwe standaard voor de detectie van AI-genereren video's, waarbij het combineert van een hoogwaardige, diverse dataset met een architectuur die forensische artefacten maximaliseert door ze niet te vernietigen tijdens de preprocessing.