WeVisForensicsがAI生成動画検出で95.2%の精度を達成
TencentのWeChat Visionチームと南京大学の研究者たちは、AI生成の動画アーティファクトを検出するための最先端のフレームワークであるWeVisForensicsを発表しました。このシステムは、自己進化エージェントアーキテクチャと二重時間スケールの強化学習を活用し、95.2%の検出精度を達成しており、従来の最良法よりも9パーセントポイント優れています。
革新的なエージェントフレームワーク
WeVisForensicsは二層のエージェントシステムを採用しています。主な「調査者」エージェントは、視覚的不整合、物理的不合理性、歪んだテキスト、および不一致な音声など、特定の異常を検出するために訓練された専門「検査官」サブエージェントのライブラリを調整します。調査者は、どのアーティファクトを調査するか、どのタイムウィンドウで、いつ分析を終了するかを動的に決定し、効率性と精度のために検査プロセスを最適化します。
二重時間スケールポリシー最適化
フレームワークの二重時間スケールポリシー最適化(DTPO)は重要な革新です。調査者エージェントは迅速な強化学習を受けますが、検査官エージェントはより徐々に洗練されます。この共進化的アプローチにより、両レベルのエージェントが同時に改善され、システムが見逃しかねない微妙なアーティファクトを特定できるようになります。
ForenCue-30Kデータセット
WeVisForensicsのトレーニングと評価をサポートするため、研究者たちはForenCue-30Kという役割特化型法医学アノテーションと相互作用の軌跡を含むデータセットを作成しました。このデータセットは、個々の検査官のための監視学習と、それらの調整のための強化学習の両方を促進します。
パフォーマンスとオープンソースリリース
WeVisForensicsは、ドメイン内、ドメイン外、およびエージェント基準でその効果を示し、95.2%の平均検出精度を達成しました。システムの判決を локализованные法医証拠に基づいて確立する能力は、その信頼性をさらに高めます。このプロジェクトはオープンソース化され、コード、LoRAウェイト、GradioデモはGitHubのhttps://github.com/Tencent/WeVisForensicsで入手できます。
最先端のパフォーマンスと革新的なアーキテクチャを備えたWeVisForensicsは、AI生成動画検出の分野における重要な進展を表しており、ますます洗練された動画生成技術の時代において、信頼できる法医ツールの必要性に応えています。