論文の概要: ActivityForensics: A Comprehensive Benchmark for Localizing Manipulated Activity in Videos

• arxiv url: http://arxiv.org/abs/2604.03819v1
• Date: Sat, 04 Apr 2026 18:00:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:18.783193
• Title: ActivityForensics: A Comprehensive Benchmark for Localizing Manipulated Activity in Videos
• Title（参考訳）: ActivityForensics: ビデオ中の操作活動の局所化のための総合ベンチマーク
• Authors: Peijun Bao, Anwei Luo, Gang Pan, Alex C. Kot, Xudong Jiang,
• Abstract要約: ビデオ中の操作されたアクティビティをローカライズするための,最初の大規模ベンチマークであるActivityForensicsを紹介する。 6K以上のビデオセグメントが含まれており、ビデオコンテキストにシームレスにブレンドされている。 ActivityForensicsに基づいて、ドメイン内、クロスドメイン、オープンワールド設定をカバーする包括的な評価プロトコルを導入する。
• 参考スコア（独自算出の注目度）: 62.94038307981723
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Temporal forgery localization aims to temporally identify manipulated segments in videos. Most existing benchmarks focus on appearance-level forgeries, such as face swapping and object removal. However, recent advances in video generation have driven the emergence of activity-level forgeries that modify human actions to distort event semantics, resulting in highly deceptive forgeries that critically undermine media authenticity and public trust. To overcome this issue, we introduce ActivityForensics, the first large-scale benchmark for localizing manipulated activity in videos. It contains over 6K forged video segments that are seamlessly blended into the video context, rendering high visual consistency that makes them almost indistinguishable from authentic content to the human eye. We further propose Temporal Artifact Diffuser (TADiff), a simple yet effective baseline that exposes artifact cues through a diffusion-based feature regularizer. Based on ActivityForensics, we introduce comprehensive evaluation protocols covering intra-domain, cross-domain, and open-world settings, and benchmark a wide range of state-of-the-art forgery localizers to facilitate future research. The dataset and code are available at https://activityforensics.github.io.
• Abstract（参考訳）: 時間的フォージェリーローカライゼーションは、ビデオ中の操作されたセグメントを時間的に識別することを目的としている。 既存のベンチマークのほとんどは、顔スワップやオブジェクト削除など、外観レベルの偽造に焦点を当てている。 しかし、近年のビデオ生成の進歩により、人間の行動を変える活動レベルの偽造が出現し、出来事のセマンティクスを歪めてしまう。 この問題を解決するために、ビデオ内の操作されたアクティビティをローカライズするための、最初の大規模ベンチマークであるActivityForensicsを紹介する。 ビデオには6K以上の偽造ビデオセグメントが含まれており、ビデオのコンテキストにシームレスにブレンドされている。 さらに, 拡散型特徴正規化器による人工物キューを公開する, 単純かつ効果的なベースラインである, 仮設人工物ディフューザ (TADiff) を提案する。 ActivityForensicsに基づいて、ドメイン内、クロスドメイン、オープンワールド設定を網羅した総合的な評価プロトコルを導入し、将来の研究を促進するために、幅広い最先端のフォージェリーローカライザをベンチマークする。 データセットとコードはhttps:// Activityforensics.github.ioで公開されている。

関連論文リスト

• Detecting Localized Deepfake Manipulations Using Action Unit-Guided Video Representations [4.449835214520726]
  ディープフェイク技術は、実際のビデオと合成ビデオのギャップを狭め、プライバシーとセキュリティの深刻な懸念を生じさせている。 この研究は、ディープフェイクビデオにおける局所的な編集を一般化するために明示的に設計された最初の検出手法を示す。 提案手法は,現在の最先端検出法よりも精度が20%向上する。
  論文  参考訳（メタデータ） (2025-03-28T03:49:00Z)
• Multi-Modal Domain Adaptation Across Video Scenes for Temporal Video Grounding [59.599378814835205]
  時間的ビデオグラウンドリング(TVG)は、与えられた言語クエリに基づいて、特定のセグメントの時間的境界を未トリミングビデオにローカライズすることを目的としている。 そこで本研究では,対象データからの洞察を取り入れた新たなAMDA手法を提案する。
  論文  参考訳（メタデータ） (2023-12-21T07:49:27Z)
• Segment Anything Meets Point Tracking [116.44931239508578]
  本稿では,SAMと長期点追跡を併用した,ポイント中心の対話型ビデオセグメンテーションの新たな手法を提案する。 ゼロショットオープンワールドUnidentified Video Objects(UVO)ベンチマークで直接評価することで,ポイントベーストラッキングのメリットを強調した。 DAVIS, YouTube-VOS, BDD100Kなどの人気ビデオオブジェクトのセグメンテーションと多目的セグメンテーションのベンチマーク実験により, ポイントベースセグメンテーショントラッカーがより優れたゼロショット性能と効率的なインタラクションをもたらすことが示唆された。
  論文  参考訳（メタデータ） (2023-07-03T17:58:01Z)
• Video Action Detection: Analysing Limitations and Challenges [70.01260415234127]
  ビデオ行動検出における既存のデータセットを分析し,その限界について議論する。 静的画像から映像を区別する重要な特性である時間的側面を解析するバイアスネススタディを実行する。 このような極端な実験は、注意深いモデリングを必要とする既存の手法に忍び込んだバイアスの存在を示している。
  論文  参考訳（メタデータ） (2022-04-17T00:42:14Z)
• Do You Really Mean That? Content Driven Audio-Visual Deepfake Dataset and Multimodal Method for Temporal Forgery Localization [19.490174583625862]
  LAV-DF(Localized Audio Visual DeepFake)と呼ばれるコンテンツ駆動型オーディオビジュアルディープフェイクデータセットを導入する。 具体的には、映像全体の感情極性を変えるために、コンテンツ駆動型音声視覚操作を戦略的に行う。 提案手法の時間的フォージェリーローカライゼーションとディープフェイク検出タスクに対する強い性能を示す。
  論文  参考訳（メタデータ） (2022-04-13T08:02:11Z)
• Real-time Human-Centric Segmentation for Complex Video Scenes [16.57620683425904]
  人間」に関連する既存のビデオタスクのほとんどは、ビデオ内の未特定の他のタスクを無視して、有能な人間のセグメンテーションに焦点を当てている。 歩行者や他の州の人間を含む複雑なビデオの中で、すべての人間のセグメンテーションと追跡に焦点を当てた研究はほとんどない。 本稿では,HVISNetと略される新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-08-16T16:07:51Z)
• JOKR: Joint Keypoint Representation for Unsupervised Cross-Domain Motion Retargeting [53.28477676794658]
  ビデオにおける教師なしの動作は ディープ・ニューラル・ネットワークによって 大幅に進歩しました JOKR(Joint Keypoint Representation)は、オブジェクトの事前やデータ収集を必要とせずに、ソースとターゲットのビデオの両方を処理する。 本手法は質的かつ定量的に評価し,異なる動物,異なる花,人間など,さまざまなクロスドメインシナリオを扱うことを示す。
  論文  参考訳（メタデータ） (2021-06-17T17:32:32Z)
• Lips Don't Lie: A Generalisable and Robust Approach to Face Forgery Detection [118.37239586697139]
  LipForensicsは、操作の一般化と様々な歪みに耐えられる検出アプローチである。 視覚的音声認識(リリーディング)を行うために、初めて時間ネットワークを事前訓練する。 その後、リアルタイムおよび偽造データの固定された口埋め込みに時間的ネットワークを微調整し、低レベルな操作固有のアーティファクトに過度に適合することなく、口の動きに基づいて偽のビデオを検出する。
  論文  参考訳（メタデータ） (2020-12-14T15:53:56Z)

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。