Preserving Forgery Artifacts: AI-Generated Video Detection at Native Scale
该论文针对现有视频伪造检测方法因预处理导致信息丢失及数据集过时的局限，构建了一个包含 14 万多个视频的大规模基准数据集，并提出了一种基于 Qwen2.5-VL 的原生尺度检测框架，通过直接处理可变分辨率和时长的视频以保留高频伪造痕迹，从而显著提升了检测性能。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
这篇论文就像是在给未来的“视频侦探”们升级装备，教他们如何在一堆真假难辨的 AI 视频中，一眼看穿谁是“冒牌货”。
想象一下，现在的 AI 视频生成技术（比如 Sora、Kling 等）就像是一个超级逼真的“换脸化妆师”，它能做出连肉眼都难辨真假的视频。但是，以前的“鉴伪警察”（检测模型）在抓这些骗子时，用的方法有点“笨拙”和“过时”。
这篇论文主要解决了两个大麻烦，并提出了一个全新的解决方案：
1. 以前的警察为什么抓不到骗子？（旧方法的缺陷）
比喻：把高清照片强行缩成邮票大小
以前的检测方法，在分析视频之前，习惯先把所有视频强行裁剪、压缩成统一的小尺寸（比如 224x224 像素）。
- 后果：这就像把一张 4K 高清的“犯罪现场照片”强行缩成一张邮票大小的模糊图片。
- 丢失了什么：AI 造假时留下的微小破绽（比如纹理不自然、光影的细微抖动、边缘的奇怪扭曲），就像照片里的“指纹”或“灰尘”，在压缩过程中被抹得干干净净。警察拿着模糊的邮票去抓人，当然很难抓到。
- 另一个问题：以前的训练数据太老了，就像警察还在用“十年前的通缉令”抓现在的罪犯，根本对不上号。
2. 这篇论文带来了什么新装备？（核心创新）
作者团队做了两件大事：
A. 建立了一个“超级罪犯档案库” (Magic Videos 数据集)
他们收集了来自15 种最新、最厉害的 AI 视频生成模型（包括开源和商用的）制作的 14 万多个视频，专门用来训练侦探。
- 比喻：以前警察只见过“小毛贼”，现在他们把市面上所有“顶级大盗”的作案手法都收集起来，建了一个全能的模拟训练场。这样，警察以后遇到任何新类型的骗子，都能一眼认出。
B. 发明了“原生高清侦探” (Native-Scale Framework)
他们不再把视频压缩了，而是原封不动地让 AI 模型去“看”视频。
- 比喻：以前的警察是拿着放大镜看缩小的邮票；现在的侦探是直接拿着高清望远镜，在视频原本的分辨率下观察。
- 怎么做到的：他们利用了一个叫 Qwen2.5-ViT 的超级大脑。这个大脑很聪明，它不需要把视频强行改成统一大小，而是像人眼一样，能灵活地处理不同大小、不同长度的视频。
- 效果：因为视频没有被压缩，那些 AI 造假留下的微小破绽（高频伪影） 和 时空上的不协调（比如物体运动轨迹的微小违和感）都被完整保留了下来。侦探能捕捉到以前根本看不见的细节。
3. 实验结果：侦探有多强？
作者让这位“原生高清侦探”去挑战各种高难度的测试：
- 跨模型测试：用一种 AI 生成的视频训练，去检测另一种 AI 生成的视频。结果发现，只要训练用的视频质量够高（越逼真），侦探就越厉害。
- 抗压测试：即使视频被压缩、裁剪或经过网络传输变得模糊，这位侦探依然能保持很高的准确率，比以前的方法强得多。
- 结论：在多个国际公认的测试榜单上，他们的模型都拿到了第一名（SOTA）。
总结：这篇论文告诉我们什么？
这就好比说，“欲擒故纵，不如‘原形毕露’"。
以前我们为了处理方便，把视频“削足适履”（压缩尺寸），结果把最重要的线索（造假痕迹）给切掉了。这篇论文告诉我们：不要为了省事而牺牲细节。只要让 AI 在原始的高清画质下工作，它就能像福尔摩斯一样，从最细微的纹理和光影中，揪出那些试图以假乱真的 AI 视频。
这对于防止网络谣言、保护个人隐私和维持社会信任，都是一项非常重要的技术进步。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。