返回文章列表

WeVisForensics:让视频伪造检测从“看一遍”走向多轮取证

阅读约 2 分钟

生成视频越来越逼真,伪造线索却未必贯穿整个片段:异常可能只在某一帧、一个短暂时间窗口,或声音与画面之间显现。一次性推理容易漏掉这类局部证据;预先写好的多代理流程虽能分工,却不一定能根据每段视频灵活选择检查重点。WeVisForensics试图把检测改造成一场可调整的取证调查,而不是让模型只看一遍就下结论。

核心要点

  • 调查员负责安排检查。 主代理根据当前发现,选择要追查的痕迹类型、检查时间窗口,并决定是否继续或结束。它协调一组覆盖视觉与音频线索的取证子代理。
  • 子代理也会随反馈改进。 论文提出双时间尺度策略DTPO:较快地训练调查员如何安排检查,较慢地优化负责具体判断的子代理。带有标注痕迹区间的反馈,旨在帮助子代理重新审视过去可能忽略的细微线索。
  • 数据同时覆盖单项检查与协作过程。 团队构建ForenCue-30K,包含面向不同角色的取证标注和代理交互轨迹,用于训练具体检查能力及代理之间的协调;另提供强化学习使用的数据池。
  • 报告结果较高,但仍需看评测细节。 论文摘要称,WeVisForensics在域内、域外及代理基准上的平均检测准确率为95.2%,比最强先前检测器高9个百分点。现有素材没有给出各基准的具体表现或完整实验条件,因此不宜据此推断其在所有真实场景中都能达到同等效果。

意义与待观察问题

这项工作的重点不只是增加代理数量,而是让“检查什么、检查哪里、何时停止”成为可学习的策略,并让调查过程反过来推动取证专家改进。若能在更广泛的生成模型、剪辑方式和音视频条件下保持稳定,这种设计可能让检测结果更有证据支撑,也更容易定位问题发生的位置。不过,准确率并不能单独说明证据定位是否可靠、推理成本是否可接受,或系统面对新型生成方法时能否持续适用。后续仍需结合更完整的基准和实际应用测试判断其价值。

来源:Hugging Face Daily Papers

评论

正在确认登录状态……

正在加载评论……

相关文章