DIVID：AI视频造假终结者，检测准确率高达93.7%，有效鉴别AI生成视频

人工智能生成的视频检测面临挑战，区分真实视频和AI合成视频变得日益困难。为了应对这一难题，来自中国香港科技大学的Junfeng Yang等人，提出了DIVID，即Diffusion-generated Video Detector。DIVID是一种能够有效检测扩散模型生成的视频的方法。

DIVID的核心在于能够识别由扩散模型创建的视频中的特定痕迹，这些痕迹与AI生成过程相关。GAN（生成对抗网络）是另一类常见的AI视频生成技术。GAN由两部分组成：一部分负责生成逼真的图像，另一部分负责判断图像的真伪。尽管如此，这两种生成方式都会在生成的视频中留下独特的痕迹，这些痕迹可以被检测出来。通过分析这些痕迹，可以有效地识别AI生成的视频。然而，AI视频检测的挑战在于技术的快速发展，新的生成方法不断涌现，难以完全覆盖所有情况。

当前，已经涌现出一些流行的AI视频生成工具，例如OpenAI的Sora、Runway Gen-2和Pika等。这些工具利用先进的AI模型来生成视频。AI技术的发展，使得创建逼真且具有吸引力的视频变得更加容易，但也给识别真实性带来了挑战。这些AI生成的视频，可能会被用于传播虚假信息，因此，开发可靠的检测工具至关重要。随着时间的推移，区分AI生成的视频和真实视频将变得越来越困难，因此需要不断进步和创新。

香港科技大学的Bernadette Young等人开发了一种名为DIRE (DIffusion Reconstruction Error)的技术，用于检测由扩散模型生成的图像。DIRE主要通过分析重建误差来判断图像是否为AI生成，即比较原始图像与通过扩散模型重建后的图像之间的差异。

Junfeng Yang表示，团队的研究重点在于准确区分AI生成的视频和真实视频。在实验中，Raidar表现出色。Junfeng Yang及其团队利用Raidar对由chatGPT-4、Gemini 和 Llama 等大型语言模型生成的文本提示视频进行检测，结果表明Raidar能够有效地识别AI生成的视频。Raidar能够分析视频帧之间的时间依赖性，从而更好地识别视频中的AI生成痕迹。时间依赖性分析可以帮助检测那些在单帧图像中难以察觉的细微差异。这种方法不仅提高了检测的准确性，还有助于应对日益复杂的AI生成技术。

Junfeng Yang解释说：“Raidar 的核心在于区分一段视频是“全部由 AI 生成”还是“部分经过 AI 处理”，这两种情况都需要准确识别。他还表示：“随着 AI 技术的不断进步，我们需要不断改进 Raidar 的检测能力，以应对日益复杂的 AI 视频生成技术。”

总的来说，这项研究为AI生成视频检测领域带来了重要的进展，尤其是对扩散模型生成的视频的检测。相关研究论文已于2024年6月18日提交至计算机视觉模式识别会议（CVPR），详细阐述了该技术背后的原理和实验结果。

论文链接：https://arxiv.org/abs/2406.09601

要点总结:

- 针对AI视频生成技术的快速发展，提出了DIVID这一新型检测方法，能够以高达93.7%的准确率识别AI生成的视频。

- DIVID 侧重于分析由扩散模型生成的 AI 视频，能够有效识别此类视频中的生成痕迹，尤其是在鉴别那些经过复杂处理的视频时，表现出良好的性能。

- 研究结果表明，Raidar 在检测 AI 生成视频方面表现出色，能够有效分析视频中的时间依赖性，从而实现对 AI 生成痕迹的准确识别，为进一步提升视频内容分析的准确性和可靠性提供了有力支持。