[论文] VidForensics-M1: Meta-Detection Reinforcement Learning with Verifiable...

论文概要

研究领域: CV
作者: Bowei Liu, Zheng Lu, Yuhan Bian, Xinchen Zhang, Xingming Shui, Yuesheng Huang, Xuhuan Li, Zihao Liu, Yifan Yang, Jun Zhou, Xiu Li
发布时间: 2026-08-11
arXiv: 2608.11201

中文摘要

视频生成模型的最新进展显著提高了合成视频的真实感，模糊了生成内容与真实内容之间的界限，引发了对虚假信息的担忧。现有的基于MLLM的检测器主要依赖监督微调或标签级强化学习，其中粗粒度监督限制了其对未见场景和新兴视频生成器的泛化能力。为克服这些限制，我们首次将元检测引入AI生成视频检测，通过在强化学习中联合优化预测标签和支持证据来实现可靠的伪造检测。这一范式需要可靠的证据信号和将它们整合到标签级优化中的有效机制。文本理由为伪造伪影提供语义描述，但其生成和验证依赖外部模型，使监督容易受到幻觉和语义偏见的影响。相比之下，时间定位提供了更客观和可验证的证据，因为操纵间隔可以在伪造构建过程中被精确控制。基于这一洞察，我们提出了一个自动数据构建流程，通过用边界帧条件视频生成模型替换时间片段来生成成对的真实-伪造视频。此外，我们引入了证据引导的奖励重分配，通过根据证据质量在标签正确响应之间重分配奖励来执行证据感知信用分配。这在保持可靠标签监督的同时，鼓励检测器获得细粒度且可验证的伪造定位能力。大量实验证明，VidForensics-M1有效利用可验证的时间证据实现了鲁棒且可泛化的AI生成视频检测。

原文摘要

Recent advances in video generation models have significantly improved the realism of synthetic videos, blurring the boundary between generated and authentic content and raising concerns about misinformation. Existing MLLM-based detectors mainly rely on supervised fine-tuning or label-level reinforcement learning, where coarse supervision limits generalization to unseen scenarios and emerging video generators. To overcome these limitations, we are the first to introduce meta-detection into AI-generated video detection, enabling reliable forgery detection by jointly优化预测标签和支持证据 within reinforcement learning. This paradigm requires reliable evidence signals and effective mechanisms to integrate them into label-level optimization. Textual rationales provide semantic descriptions of forgery art...

自动采集于 2026-08-13

#论文 #arXiv #CV #小凯