論文の概要: V-FIND: Revealing the Intrinsic Forgery Knowledge Encoded in Video Forgery Detectors

• arxiv url: http://arxiv.org/abs/2608.03008v1
• Date: Tue, 04 Aug 2026 01:41:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-05 15:30:22.990632
• Title: V-FIND: Revealing the Intrinsic Forgery Knowledge Encoded in Video Forgery Detectors
• Title（参考訳）: V-FIND:ビデオ偽造検知器に符号化された本質的な偽造の知識を明らかにする
• Authors: Shichao Kan, Chengpeng Hong, Jingtong Dou, Chuancheng Shi, Yuhan Liu, Linrui Xu, Yixiong Liang, Yigang Cen, Yanpeng Sun, Fei Shen, Tat-Seng Chua,
• Abstract要約: 偽識別知識は全表現空間に均一に分散されない。 ビデオフォージェリ内在性ニューロン発見フレームワーク(V-FIND)を提案する。 V-FINDは、実際のビデオと偽ビデオの間に顕著な相違を示す重要な層を局在させ、連続して偽識別シグナルを伝達する潜伏型アンカーニューロンを特定する。
• 参考スコア（独自算出の注目度）: 64.12551408538918
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As generated videos become increasingly realistic, reliable video forgery detection is increasingly important. Existing studies typically optimize and use video forgery detectors as black boxes, while the latent forgery-discriminative knowledge inside them remains largely unexplored. Instead of continuing to rely on resource-intensive full-model retraining to steadily improve detection performance, we ask whether video forgery detection can also be achieved by uncovering and activating sparse forensic knowledge within the detector. We find that forgery-discriminative knowledge is not uniformly distributed across the full representation space, but is concentrated in a sparse set of functionally specialized neurons. Based on this insight, we propose a video forgery-intrinsic neuron discovery (V-FIND) framework. V-FIND first localizes critical layers that exhibit pronounced discrepancies between real and forged videos, and then identifies latent anchor neurons that consistently carry forgery-discriminative signals, organizing them into a compact forensic subspace. With the original backbone frozen and only a lightweight linear classifier trained, this subspace still delivers strong detection performance across multiple external benchmarks for generated videos. Further neuron intervention experiments provide direct evidence for the functional specificity of the discovered neurons. Overall, these results suggest that video forgery detectors contain sparse, extractable, and reusable forgery-discriminative knowledge, offering a new perspective on understanding and exploiting their intrinsic forensic capability.
• Abstract（参考訳）: 生成されたビデオがますます現実的になるにつれて、信頼性の高いビデオ偽造検出がますます重要になっている。 既存の研究では、ビデオの偽造検知器をブラックボックスとして最適化し、使用するのが一般的である。 検出性能を着実に向上させるため,資源集約型フルモデルリトレーニングを継続する代わりに,検出器内での希少な法医学的知識の発見と活性化によって,ビデオの偽造検出も可能かどうかを問う。 フォージェリー・差別的知識は全表現空間に均一に分散するのではなく、機能的に特化しているニューロンのスパース集合に集中していることが分かる。 本稿では,この知見に基づき,V-FIND(V-FIND)フレームワークを提案する。 V-FINDは、まず、実際のビデオと偽ビデオの間に顕著な相違を示す重要な層を局在させ、次に、連続して偽識別シグナルを伝達する潜伏型アンカーニューロンを特定し、それらをコンパクトな法医学サブスペースに編成する。 オリジナルのバックボーンが凍結され、訓練された軽量の線形分類器のみにより、このサブスペースは、生成されたビデオの複数の外部ベンチマークで強力な検出性能を提供する。 さらなるニューロン介入実験は、発見されたニューロンの機能的特異性の直接的な証拠を提供する。 これらの結果から,ビデオフォージェリー検出装置はスパース,抽出可能,再利用可能なフォージェリー識別知識を含んでおり,本質的な法医学的能力の理解と活用に関する新たな視点が示唆された。

関連論文リスト

• Latent Anomaly Knowledge Excavation: Unveiling Sparse Sensitive Neurons in Vision-Language Models [40.6282934670186]
  我々は、異常知識は本質的に訓練済みモデルに埋め込まれているが、潜伏し、未活性化状態のままであると主張している。 本稿では、これらの重要な神経信号を特定し、引き起こす訓練不要のフレームワークである潜在異常知識発掘(LAKE)を提案する。 我々の研究は、未熟な事前学習知識の標的的活性化として異常検出を再定義するパラダイムシフトを提唱している。
  論文  参考訳（メタデータ） (2026-04-09T04:54:25Z)
• DNA: Uncovering Universal Latent Forgery Knowledge [39.19379714306656]
  フォージェリ検出機能は、すでにトレーニング済みのモデル内にエンコードされている。 DNAフレームワークは粗大な発掘機構を採用している。 Hifi-Genは、最新のモデルの上に構築された高忠実度合成ベンチマークである。
  論文  参考訳（メタデータ） (2026-01-30T03:48:30Z)
• Rethinking Cross-Generator Image Forgery Detection through DINOv3 [62.80415066351157]
  クロスジェネレータ検出は、新しい挑戦フォージェネレータモデルとして登場した。 凍結した視覚基盤モデル、特にDINOv3は、既に強力なクロスジェネレータ検出能力を持っていることを示す。 トレーニング不要なトークンランク戦略を導入し、続いて軽量な線形プローブを用いて、認証関連トークンの小さなサブセットを選択する。
  論文  参考訳（メタデータ） (2025-11-27T14:01:50Z)
• ED$^4$: Explicit Data-level Debiasing for Deepfake Detection [24.695989108814018]
  限られたデータから固有のバイアスを学習することは、一般化可能なディープフェイク検出の失敗の主な原因と考えられている。 データレベルで上記のバイアスに明示的に対処するためのシンプルで効果的な戦略であるED$4$を提示します。 我々は,既存のディープフェイク検出手法よりも有効性と優位性を示すため,広範囲な実験を行った。
  論文  参考訳（メタデータ） (2024-08-13T10:05:20Z)
• Spatial-Frequency Discriminability for Revealing Adversarial Perturbations [53.279716307171604]
  敵の摂動に対するディープニューラルネットワークの脆弱性は、コンピュータビジョンコミュニティで広く認識されている。 現在のアルゴリズムは、通常、自然および敵対的なデータの識別的分解を通じて、敵のパターンを検出する。 空間周波数Krawtchouk分解に基づく識別検出器を提案する。
  論文  参考訳（メタデータ） (2023-05-18T10:18:59Z)
• Self-Supervised Masked Convolutional Transformer Block for Anomaly Detection [122.4894940892536]
  本稿では, 自己監督型マスク型畳み込み変圧器ブロック (SSMCTB) について述べる。 本研究では,従来の自己教師型予測畳み込み抑止ブロック(SSPCAB)を3次元マスク付き畳み込み層,チャンネルワイドアテンション用トランスフォーマー,およびハマーロスに基づく新たな自己教師型目標を用いて拡張する。
  論文  参考訳（メタデータ） (2022-09-25T04:56:10Z)
• Stochastic Coherence Over Attention Trajectory For Continuous Learning In Video Streams [64.82800502603138]
  本稿では,映像ストリーム中のピクセルワイズ表現を段階的かつ自律的に開発するための,ニューラルネットワークに基づく新しいアプローチを提案する。 提案手法は, 参加者の入場地を観察することで, エージェントが学習できる, 人間の様の注意機構に基づく。 実験では,3次元仮想環境を利用して,映像ストリームを観察することで,エージェントが物体の識別を学べることを示す。
  論文  参考訳（メタデータ） (2022-04-26T09:52:31Z)
• PAT: Pseudo-Adversarial Training For Detecting Adversarial Videos [20.949656274807904]
  我々は,攻撃の知識を必要とせず,映像中の対角フレームを検出するための,Pseudo-versa-Adrial Training (PAT) という,新しい単純なアルゴリズムを提案する。 UCF-101および20BN-Jesterデータセットによる実験結果から、PATは高い検出率で対向的なビデオフレームやビデオを検出することができることがわかった。
  論文  参考訳（メタデータ） (2021-09-13T04:05:46Z)

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。