人工智能天生的内容已经盛行了一段韶光，但视频天生最近又发展到了新的高度。
自仲春份发布以来，OpenAI 的Sora以其超现实的合成内容而令人惊叹，所有这些内容都是利用文本提示天生的。
这便是它让人们相信其真实性的能力，天生内容现在引起了人们对缺点信息传播的日益担忧。

德雷克塞尔工程学院的多媒体和信息安全实验室 (MISL) 十多年来一贯致力于创造操纵图像的技能。

目前现有的方法对人工智能天生的视频无效。
科学家们评估了 11 种可供"大众年夜众利用的合成图像探测器。
这些程序显示出很高的效率，在检测被修改的图像方面至少有 90% 的准确率。
然而，当卖力识别公开可用的 AI 天生器天生的视频时，它们的性能低落了 20-30%。

德雷克塞尔工程学院副教授兼 MISL 主任马修·斯塔姆 (Matthew Stamm) 博士在一份报告中表示：“在没有一个好的系统来检测不良行为者制造的赝品之前，这种视频技能就已经发布，这真是令人不安。
”

Stemm认为，一旦该技能公开，恶意利用就不可避免。
“这便是为什么我们正在努力通过开拓新技能来从媒体特有的模式和特色中识别合成视频，以保持领先地位。
”他补充道。

直到最近，图像处理还依赖于照片和视频编辑程序来改变像素、调度速率或操纵帧。
然而，这些编辑留下了数字痕迹，MISL 的科学家已经利用他们的工具套件有效地识别了这些痕迹。

顶行：取自 AI 天生视频的视频帧。
底行：上面每个相应帧的残余取证痕迹的傅立叶变换

虽然文本到视频天生器不是由相机天生的，也不是由视觉软件编辑的，但它们在检测操纵方面提出了新的寻衅。
在 MISL 的最新研究中，科学家们决定利用 AI 对抗 AI 来确定天生式 AI 程序如何构建视频。
他们成功地演习了一种称为约束神经网络的机器学习算法。

该网络能够在粒度级别上理解合成视频的外不雅观，并将这些知识运用于利用 AI 视频天生器天生的一组新视频，例如Stable Video Diffusion, Video-Crafter, and Cog-Video，以及以前未知的程序。

该算法在识别合成视频和准确识别用于创建视频的程序方面的效率超过 93%。

详情可参考Matthew Stamm 博士的论文：https://ieeexplore.ieee.org/author/37605043400

参考链接：https://cybernews.com/tech/ai-deepfake-videos-detection/