Technische Samenvatting: G2VD

Probleemstelling

Snelle vooruitgang in AI-videogeneratie (bijv. Sora, Stable Video Diffusion, HunyuanVideo) heeft aanzienlijke beveiligingsrisico's gecreëerd, waaronder desinformatie en identiteitsfraude. Hoewel bestaande detectoren goed presteren op in-domain data, lijden ze onder substantiële prestatiedegradatie wanneer ze worden toegepast op onbekende generatoren. Het paper identificeert shortcut learning als de primaire oorzaak: detectoren vertrouwen op domeinspecifieke biases (zoals generator-vingerafdrukken, compressiepatronen of generatiestijlen) in plaats van intrinsieke forensische kenmerken. Deze verstrengeling creëert beslissingsgrenzen die falen wanneer distributieverschuivingen optreden op het niveau van de generator. Huidige oplossingen, inclusief forensisch georiënteerde augmentatie en multimodale grote taalmodellen (MLLM's), slagen er vaak niet in om consistent de gespecialiseerde detectoren te overtreffen onder dergelijke verschuivingen of produceren onbetrouwbare verklaringen.

Methodologie

De auteurs stellen G2VD (Generalizable AI-Generated Video Detection) voor, een framework gebaseerd op Structurele Causale Modellen (SCM) dat intrinsieke forensische kenmerken behandelt als causale factoren ($S$) en domeinspecifieke bias als niet-causale factoren ($U$). Het framework bestaat uit twee primaire componenten:

1. Counterfactual Intervention Pipeline (CFIPipeline)

Om de spurieuze correlatie tussen domeinspecifieke bias en authenticiteitslabels te verzwakken, construeert G2VD contrafeitelijke samples. Ideaal gezien zou een contrafeitelijk sample $X^*_{cf}$ de causale factor van een nepvideo ($S_f$) koppelen aan de niet-causale factor van een echte video ($U_r$). Omdat $S$ en $U$ latent en verstrengeld zijn, benadert G2VD dit via een driestappenproces:

• VAE-gebaseerde Reconstructie: Echte video's worden gereconstrueerd met behulp van een pool van diverse Variational Autoencoders (VAEs) om reconstructie-geïnduceerde sporen te introduceren die geassocieerd zijn met intrinsieke forensische kenmerken.
• Frequentiedomein-uitlijning: Om de domeinkarakteristieken ($U_r$) te behouden terwijl de reconstructiesporen behouden blijven, lijnt de pipeline de hoogfrequente amplitudes van de originele echte video uit met de fase en de resterende spectrale componenten van de gereconstrueerde video. Dit verzacht de hoogfrequente attenuatie veroorzaakt door verlieslatende videocodering.
• Pixeldomein-uitlijning: Interpolatie wordt toegepast om residuele kleur- of contrastverschillen te verminderen, wat resulteert in het uiteindelijke contrafeitelijke sample $X_{cf}$.

2. Causal Disentanglement Classifier

Voortbouwend op de contrafeitelijke interventie, leert de classifier om causale en niet-causale representaties te scheiden met behulp van twee domein-verankerde takken en een onafhankelijkheidsrestrictie:

• Causale Tak: Getraind om echte video's als negatief te classificeren en zowel de originele nepvideo's als de contrafeitelijke samples (die de nep-causale factor $S_f$ delen) als positief. Dit stimuleert de tak om intrinsieke forensische kenmerken ($S$) te vangen, ongeacht de domeinbias.
• Niet-causale Tak: Getraind met een complementaire labelregel waarbij contrafeitelijke samples als echt worden gelabeld (die $U_r$ delen met de originele echte video's). Dit stimuleert de tak om domeinspecifieke bias ($U$) te vangen.
• Onafhankelijkheidsrestrictie: De twee takken worden geregulariseerd met de Hilbert-Schmidt Independence Criterion (HSIC) om de statistische afhankelijkheid tussen de causale ($F_c$) en niet-causale ($F_{nc}$) representaties te minimaliseren, wat ervoor zorgt dat ze onderscheidende factoren vastleggen.

Tijdens de inferentie worden de CFIPipeline en de niet-causale tak verwijderd; de voorspelling berust uitsluitend op de backbone en de causale tak.

Belangrijkste Bijdragen

1. Causale Formulering: Het paper herformuleert AI-gegenereerde videodetectie door de verstrengeling van intrinsieke forensische kenmerken en domeinspecifieke bias te identificeren als de worteloorzaak van het falen van cross-domein generalisatie.
2. G2VD Framework: Het introduceert een nieuw framework dat reconstructie-gebaseerde contrafeitelijke interventie integreert met domein-verankerde causale ontwarring om shortcut learning te mitigeren.
3. Empirische Validatie: Uitgebreide experimenten op vier publieke datasets tonen aan dat G2VD een sterke cross-domein prestatie levert met slechts 10% van de beschikbare trainingsdata, wat de effectiviteit van zowel de interventie-pipeline als de ontwarringsclassifier valideert.

Experimentele Resultaten

Het framework werd geëvalueerd op vier datasets: GenVidBench, GenVideo, GVD, en GVF.

• GenVidBench: In de uitdagende GenVidBench-setting bereikte G2VD-CLIP een algehele nauwkeurigheid (ACC) van 91,9%, met een F1-score van 0,950 en een AUC van 0,949. Dit vertegenwoordigt een verbetering van 25,0 procentpunt ten opzichte van de beste baseline (CLIP) en significante winsten ten opzichte van andere state-of-the-art methoden, met name op moeilijke bronnen zoals MuseV en SVD.
• Andere Datasets: G2VD-varianten presteerden consequent beter dan baseline-methoden over GenVideo, GVD en GVF, met verbeteringen variërend van 1,8 tot 4,7 procentpunt ten opzichte van de bijbehorende backbones.
• Ablatieonderzoeken: Het verwijderen van zowel de CFIPipeline als de causale ontwarringsclassifier resulteerde in een drastische daling van de prestaties (bijv. tot ~61–66% ACC op GenVidBench), wat bevestigt dat de interventie- en ontwarringcomponenten cruciaal zijn voor generalisatie.
• Robuustheid: Het model toonde robuustheid tegen Gaussische vervaging, maar bleek gevoelig voor agressieve JPEG-compressie, wat suggereert dat compressie de forensische bewijslast verwijdert die door de detector wordt gebruikt.

Betekenis en Claims

Het paper claimt dat G2VD een praktisch fundament biedt voor cross-domein videoforensica door detectoren weg te leiden van generatieve specifieke shortcuts naar intrinsieke forensische kenmerken. De auteurs beweren dat hun aanpak effectief causale factoren scheidt van niet-causale biases, wat betrouwbare detectie mogelijk maakt, zelfs onder generator-niveau distributieverschuivingen met beperkte trainingsdata. Het werk benadrukt dat hoewel MLLM-gebaseerde methoden een vorm van verklaarbaarheid bieden, gespecialiseerde visuele detectoren met causale ontwarringsmecanismen momenteel superieure betrouwbaarheid en generalisatie bieden in dit domein. Toekomstig werk richt zich op het verbeteren van de robuustheid en kalibratie van het model voor inzet in de echte wereld.