导语
当 AI 生成视频越来越少出现明显的纹理瑕疵、变形和闪烁,依靠“看起来像不像假视频”的检测方法便容易失效。Show Lab 团队提出另一条思路:不追踪某一代模型的外观缺陷,而是寻找生成与解码流程可能留下的时间结构痕迹,并将其称为 VAE Rhythm。
解码过程留下的节奏
不少视频生成器会先生成潜变量,再用 3D 因果 VAE 解码为连续帧。解码器通常将相邻帧按组处理,常见组长为 4 帧,LTX、Kling 3.0 等模型则可能采用 8 帧。研究者观察到,帧的重建保真度会随其在解码组中的位置起伏,形成周期性变化。逐帧拍摄的真实视频通常不具备相同的生成组结构,因此可能缺少这种节奏。
这并不意味着只要看到任何周期变化就能断定视频由 AI 生成;关键在于识别与解码分组相对应的规律,而非单纯比较画面质量高低。
如何扫描节奏
研究提出无需训练的 phase scan。它使用现成的视频 VAE,从连续的不同帧起始偏移量重建同一段视频,再比较各次重建误差是否呈现周期性。若扫描分组与原生成器的解码分组对齐,残差会下降;随着偏移变化,这种对齐与错位会形成周期波动。真实视频的误差曲线则相对平坦。方法关注的是误差随偏移的周期性,而不是误差的绝对大小。
团队在 39 个模型变体、31 个生成器上测试,在多数对象中观察到该现象,涵盖闭源的 Sora、Kling 3.0 和 Seedance 2.0。作为零样本分数,VAE Rhythm 在 DF26 上取得 76.2% AUROC,优于研究比较的 15 个重新训练基线。作为插件,它使 19 个检测器在该数据集上的 AUROC 均提升,增幅为 6.7 至 23.7 个百分点。
从线索到检测器
研究还利用真实视频及其 VAE 重建结果构造配对数据,在共享后处理条件下训练 CaDet。论文报告,CaDet 在 AIGVDBench、DF26 及三个 2026 年闭源模型的测试中取得较好的 AUROC;不使用任何生成视频训练的 CaDet-GF,在 AIGVDBench 的两项报告结果也超过 90%。这些结果显示,解码痕迹不仅可作为单独分数,也可能为检测器提供跨模型的补充信号。
意义与边界
VAE Rhythm 的价值在于把检测重点从易被修饰的视觉瑕疵,转向生成管线的结构特征;phase scan 无需先收集目标模型的生成样本,插件形式也便于与既有方法结合。不过,研究结果并不等于所有生成器都必然留下同样痕迹,也不能据此认定单一指标足以处理所有视频来源与后处理情形。实际应用仍需关注不同编码、剪辑与模型更新对信号的影响。
评论
正在确认登录状态……
正在加载评论……