論文の概要: Latent Space Probing for Adult Content Detection in Video Generative Models

• arxiv url: http://arxiv.org/abs/2605.00874v1
• Date: Sat, 25 Apr 2026 01:01:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-05 20:33:49.434334
• Title: Latent Space Probing for Adult Content Detection in Video Generative Models
• Title（参考訳）: 映像生成モデルにおける成人コンテンツ検出のための潜時空間探索
• Authors: Alizishaan Khatri, Chiquita Prabhu,
• Abstract要約: 本稿では,CagVideoXビデオ拡散モデルにより生成される遅延表現を推論中にインターセプトする,新しい潜時空間探索フレームワークを提案する。 この作業を支援するために、アダルトWebサイトとYouTubeから生成された11039の10秒ビデオクリップの大規模なバイナリデータセットを構築した。 本研究は, 有害なコンテンツ検出のための強い識別特性を符号化し, 4-6ms範囲のオーバーヘッドで, ホールドアウトテストセットで97.29%のF1を達成したことを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The rapid proliferation of AI-powered video generation systems has introduced significant challenges in content moderation, particularly with respect to adult and sexually explicit material. Existing detection methods operate on either prompts or decoded pixel-space outputs. Therefore, both approaches are blind to the rich internal representations formed during generation. In this paper, we propose a novel latent space probing framework that intercepts the denoised latent representations produced by the CogVideoX video diffusion model during inference and attaches lightweight classifiers to perform real-time adult content detection. To support this work, we construct a large-scale binary dataset of 11039 ten-second video clips (5086 violating, 5953 non-violating) sourced from adult websites and YouTube respectively. We introduce two lightweight probing classifier architectures. We train and evaluate it on the dataset. Our work demonstrates that latent-space signals encode strong discriminative features for harmful content detection, achieving 97.29% F1 on our held-out test set with an overhead in the 4-6ms range. Our results suggest that probing the latent space results in improvements in both detection performance as well as cost.
• Abstract（参考訳）: AIを利用したビデオ生成システムの急速な普及は、コンテンツモデレーション、特に成人および性的明示的な素材において、重大な課題をもたらしている。 既存の検出方法は、プロンプトまたはデコードされたピクセル空間出力で動作する。 したがって、どちらの手法も世代によって形成された豊かな内部表現に盲目である。 本稿では,CagVideoXビデオ拡散モデルによって生成された遅延表現を推論中にインターセプトし,リアルタイムな成人コンテンツ検出を行うための軽量な分類器を付加する,新しい潜時空間探索フレームワークを提案する。 この作業を支援するために,成人WebサイトとYouTubeから得られた11039の10秒ビデオクリップ(5086違反,5953非違反)の大規模バイナリデータセットを構築した。 2つの軽量なプロブリング分類器アーキテクチャを導入する。 データセット上でトレーニングし、評価します。 本研究は, 有害なコンテンツ検出のための強い識別特性を符号化し, 4-6ms範囲のオーバーヘッドで, ホールドアウトテストセットで97.29%のF1を達成したことを示す。 以上の結果から,潜伏空間の探索は検出性能とコストの両方の改善をもたらすことが示唆された。

関連論文リスト

• Video-BrowseComp: Benchmarking Agentic Video Research on Open Web [64.53060049124961]
  Video-BrowseCompは、オープンウェブのエージェントによるビデオ推論に適した210の質問からなるベンチマークである。 これは時間的視覚的証拠に必須に依存しており、回答はテキスト検索のみでは導き出せないことを保証している。 初のオープンWebビデオ調査ベンチマークとして、Video-BrowseCompは、受動的知覚を越えて、プロアクティブなビデオ推論へと分野を前進させた。
  論文  参考訳（メタデータ） (2025-12-28T19:08:27Z)
• Leveraging Pre-Trained Visual Models for AI-Generated Video Detection [54.88903878778194]
  ビデオ生成の分野はDeepFakesを超えて進歩し、ジェネリックコンテンツでAI生成ビデオを検出する方法が緊急に必要になった。 本稿では,事前学習した視覚モデルを用いて,実写映像と実写映像を区別する手法を提案する。 提案手法は, 平均90%以上で高い検出精度を達成し, その有効性を裏付けるものである。
  論文  参考訳（メタデータ） (2025-07-17T15:36:39Z)
• BusterX: MLLM-Powered AI-Generated Video Forgery Detection and Explanation [77.55074597806035]
  GenBuster-200Kは、200Kの高解像度ビデオクリップを備えた、大規模で高品質なAI生成ビデオデータセットである。 BusterXは、マルチモーダル大言語モデル(MLLM)と強化学習を活用した、AI生成のビデオ検出および説明フレームワークである。
  論文  参考訳（メタデータ） (2025-05-19T02:06:43Z)
• Detecting AI-Generated Video via Frame Consistency [25.290019967304616]
  生成したビデオのオープンソースデータセットと検出手法を初めて提案する。 まず,964のプロンプトからなるスケーラブルなデータセットを提案する。 第二に、空間的アーティファクトに基づく検出器が一般化性に欠けていることの探索実験により明らかになった。
  論文  参考訳（メタデータ） (2024-02-03T08:52:06Z)
• Swap Attention in Spatiotemporal Diffusions for Text-to-Video Generation [55.36617538438858]
  本研究では,空間的知覚と時間的知覚の相互作用を強化する新しいアプローチを提案する。 我々はHD-VG-130Mという大規模かつオープンソースのビデオデータセットをキュレートする。
  論文  参考訳（メタデータ） (2023-05-18T11:06:15Z)
• Coherent Loss: A Generic Framework for Stable Video Segmentation [103.78087255807482]
  ビデオセグメンテーションの結果の視覚的品質を,ジッタリングアーティファクトがいかに劣化させるかを検討する。 本稿では,ニューラルネットワークの性能向上を目的とした汎用フレームワークを備えたコヒーレントロスを提案する。
  論文  参考訳（メタデータ） (2020-10-25T10:48:28Z)

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。