論文の概要: RobustSora: De-Watermarked Benchmark for Robust AI-Generated Video Detection
- arxiv url: http://arxiv.org/abs/2512.10248v1
- Date: Thu, 11 Dec 2025 03:12:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-12 16:15:42.178147
- Title: RobustSora: De-Watermarked Benchmark for Robust AI-Generated Video Detection
- Title（参考訳）: RobustSora:ロバストAI生成ビデオ検出のための非ウォーターマークベンチマーク
- Authors: Zhuo Wang, Xiliang Liu, Ligang Sun,
- Abstract要約: 本稿では,AIGCビデオ検出における透かしの堅牢性を評価するためのベンチマークであるRobustSoraを紹介する。
A-C, Authentic-Spoofed with fake watermarks (A-S), Generated-Watermarked (G-W), Generated-DeWatermarked (G-DeW) の4種類からなる6500本のビデオのデータセットを構築した。
ベンチマークでは、2つの評価タスクを紹介した: Task-Iは、透かしを除去したAIビデオのパフォーマンスをテストし、Task-IIは偽透かしで偽の警告率を評価する。
- 参考スコア（独自算出の注目度）: 1.9083456939533663
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The proliferation of AI-generated video technologies poses challenges to information integrity. While recent benchmarks advance AIGC video detection, they overlook a critical factor: many state-of-the-art generative models embed digital watermarks in outputs, and detectors may partially rely on these patterns. To evaluate this influence, we present RobustSora, the benchmark designed to assess watermark robustness in AIGC video detection. We systematically construct a dataset of 6,500 videos comprising four types: Authentic-Clean (A-C), Authentic-Spoofed with fake watermarks (A-S), Generated-Watermarked (G-W), and Generated-DeWatermarked (G-DeW). Our benchmark introduces two evaluation tasks: Task-I tests performance on watermark-removed AI videos, while Task-II assesses false alarm rates on authentic videos with fake watermarks. Experiments with ten models spanning specialized AIGC detectors, transformer architectures, and MLLM approaches reveal performance variations of 2-8pp under watermark manipulation. Transformer-based models show consistent moderate dependency (6-8pp), while MLLMs exhibit diverse patterns (2-8pp). These findings indicate partial watermark dependency and highlight the need for watermark-aware training strategies. RobustSora provides essential tools to advance robust AIGC detection research.
- Abstract（参考訳）: AIが生成するビデオ技術の拡散は、情報の完全性に課題をもたらす。
最近のベンチマークではAIGCビデオ検出が進んでいるが、多くの最先端の生成モデルが出力にデジタル透かしを埋め込んでおり、検出器はこれらのパターンに部分的に依存している可能性がある。
この影響を評価するために,AIGCビデオ検出における透かしの堅牢性を評価するためのベンチマークであるRobustSoraを提案する。
A-C), Authentic-Spoofed with fake watermarks (A-S), Generated-Watermarked (G-W), Generated-DeWatermarked (G-DeW) の4つのタイプからなる6500本のビデオのデータセットを体系的に構築した。
ベンチマークでは、2つの評価タスクを紹介した: Task-Iは、透かしを除去したAIビデオのパフォーマンスをテストし、Task-IIは偽透かしで偽の警告率を評価する。
特殊なAIGC検出器、トランスフォーマーアーキテクチャ、MLLMアプローチにまたがる10種類のモデルによる実験では、透かし操作による2-8ppの性能変化が明らかになった。
トランスフォーマーベースのモデルは一貫した中性依存性(6-8pp)を示し、MLLMは様々なパターン(2-8pp)を示す。
これらの結果は,部分的な透かし依存性を示し,透かしを意識したトレーニング戦略の必要性を強調した。
RobustSoraは、堅牢なAIGC検出研究を進めるための重要なツールを提供する。
関連論文リスト
- TAG-WM: Tamper-Aware Generative Image Watermarking via Diffusion Inversion Sensitivity [76.98973481600002]
本稿では,TAG-WMと命名されたタンパ認識画像ウォーターマーキング手法を提案する。
提案手法は、4つのキーモジュールからなる: 生成品質を保ちつつ、著作権と局所化の透かしを潜伏空間に埋め込むためのデュアルマークジョイントサンプリング (DMJS) アルゴリズム。
実験結果から,TAG-WMは歪み下においても,改質性および局所化能力の両面において最先端性能を達成できることが示された。
論文 参考訳（メタデータ） (2025-06-30T03:14:07Z) - VideoMarkBench: Benchmarking Robustness of Video Watermarking [34.184333776307504]
我々は,透かし除去と偽造攻撃による映像透かしの堅牢性を評価するために設計された,最初のシステマティックなベンチマークであるVideoMarkBenchを紹介する。
本研究は,3種類の映像生成モデルから生成した統合データセットを,4つの透かし手法と検出時に使用する7つのアグリゲーション戦略を組み込んだ3つのビデオスタイルで包含する。
我々の発見は、現在の透かしアプローチにおける重大な脆弱性を明らかにし、より堅牢なソリューションの必要性を強調している。
論文 参考訳（メタデータ） (2025-05-27T18:00:03Z) - Towards Dataset Copyright Evasion Attack against Personalized Text-to-Image Diffusion Models [52.877452505561706]
データセットのオーナシップ検証(DOV)を損なうよう特別に設計された最初の著作権回避攻撃を提案する。
CEAT2Iは, 試料検出, トリガー同定, 効率的な透かし除去の3段階からなる。
実験の結果,CEAT2I はモデル性能を保ちながら DOV 機構を効果的に回避できることがわかった。
論文 参考訳（メタデータ） (2025-05-05T17:51:55Z) - Detection Limits and Statistical Separability of Tree Ring Watermarks in Rectified Flow-based Text-to-Image Generation Models [0.0]
ツリーリング透かしはAI生成画像の認証において重要な技術である。
SD 2.1 と FLUX.1-dev モデルによる透かしの検出と分離性の評価と比較を行った。
論文 参考訳（メタデータ） (2025-04-04T18:24:23Z) - AI-generated Image Detection: Passive or Watermark? [4.936341173296691]
我々は受動型および透かし型検出器の有効性,堅牢性,効率性を比較するための,最初の総合的なベンチマークを開発した。
我々は5つの受動的検出器と4つの透かしに基づく検出器を8種類の共振と3種類の対向摂動に対して評価した。
論文 参考訳（メタデータ） (2024-11-20T18:59:58Z) - No Free Lunch in LLM Watermarking: Trade-offs in Watermarking Design Choices [20.20770405297239]
LLM透かし方式における一般的な設計選択は、結果のシステムが驚くほど攻撃を受けやすいことを示す。
本稿では, LLM透かしのガイドラインと防御について述べる。
論文 参考訳（メタデータ） (2024-02-25T20:24:07Z) - WAVES: Benchmarking the Robustness of Image Watermarks [67.955140223443]
WAVES(Watermark Analysis Via Enhanced Stress-testing)は、画像透かしの堅牢性を評価するためのベンチマークである。
我々は,検出タスクと識別タスクを統合し,多様なストレステストからなる標準化された評価プロトコルを確立する。
我々はWAVESを,ロバストな透かしの将来の開発のためのツールキットとして想定する。
論文 参考訳（メタデータ） (2024-01-16T18:58:36Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。