論文の概要: PIVOT: Physics-Grounded Verification for AI-Generated Audio-Video Detection

• arxiv url: http://arxiv.org/abs/2609.15562v1
• Date: Mon, 14 Sep 2026 13:41:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:06.415627
• Title: PIVOT: Physics-Grounded Verification for AI-Generated Audio-Video Detection
• Title（参考訳）: PIVOT:AIが生成したオーディオビデオ検出のための物理グラウンド検証
• Abstract要約: 我々は、物理地上のAIGC検出器であるPIVOTを紹介した。 PIVOTは、ビデオとオーディオから物理量を推定し、各クリップに関連する物理法則を選択し、測定可能な制約を検証する。 PhysForensics-Benchでは、PIVOTは70.30%の精度、64.29%のF1スコア、72.16%の精度、65.82%のF1スコアをReal+VEOで達成している。
• 参考スコア（独自算出の注目度）: 76.79584197983529
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As generative models continue to advance, AI-generated content (AIGC) is becoming increasingly realistic, weakening the artifact cues commonly exploited by existing detectors. Nevertheless, faithfully reproducing the physical behavior of real-world events remains challenging for current generators. We therefore explore detecting AIGC by assessing whether the depicted event satisfies measurable constraints derived from physical laws. We introduce PIVOT, a physics-grounded AIGC detector, instantiated here for audio-video clips, that estimates physical quantities from video and audio, selects physical laws relevant to each clip, and verifies their measurable constraints. Beyond a real/fake decision, PIVOT returns supporting evidence that records the verification outcome, relevant time window, and supporting quantities for each applicable law. Although instantiated and evaluated here on audio-video data, the framework can, in principle, extend to other AIGC modalities whenever the physical quantities required for verification can be estimated reliably. We also introduce PhysForensics-Bench, comprising paired real and generated audio-video clips from nine event-centric scene families and two recent audio-video generators. On PhysForensics-Bench, PIVOT achieves 70.30% accuracy and 64.29% F1 score on Real+Seedance, and 72.16% accuracy and 65.82% F1 on Real+VEO. In comparison, direct inspection with Gemini 3.1 Pro obtains 53.96% accuracy and 60.09% F1 on Real+Seedance, and 57.22% accuracy and 63.44% F1 on Real+Veo. These results demonstrate the practical promise of physical-consistency verification as a structured and inspectable source of evidence that complements artifact-based AIGC detection.
• Abstract（参考訳）: 生成モデルが進歩を続けるにつれ、AIGC(AI-Generative Content)はますます現実的になり、既存の検出器によって一般的に利用されるアーティファクトキューを弱めている。 それでも、現実世界の出来事の物理的な振る舞いを忠実に再現することは、現在の発電機では困難である。 そこで我々は, 物理法則から導かれる測定可能な制約を満足するか否かを評価することにより, AIGCの検出を検討する。 物理グラウンドのAIGC検出器であるPIVOTを導入し、ビデオクリップとオーディオクリップから物理量を推定し、各クリップに関連する物理法則を選択し、それらの測定可能な制約を検証する。 PIVOTは実際の/偽判定の他に、検証結果、関連する時間窓、各法則の量を記録する証拠を返却する。 ここでは、オーディオビデオデータに基づいてインスタンス化され、評価されるが、このフレームワークは原則として、検証に必要な物理量を確実に推定できる限り、他のAIGCモダリティにまで拡張することができる。 またPhysForensics-Benchを導入し、9つのイベント中心シーンファミリーと2つの最近のオーディオビデオジェネレータから、実映像と生成されたオーディオビデオクリップをペア化した。 PhysForensics-Benchでは、PIVOTは70.30%の精度、64.29%のF1スコア、72.16%の精度、65.82%のF1スコアをReal+VEOで達成している。 一方、Gemini 3.1 Proによる直接検査では、Real+Seedanceで53.96%、F1で60.09%、Real+Veoで57.22%、F1で63.44%の精度が得られた。 これらの結果は,人工物に基づくAIGC検出を補完する構造的かつ検査可能な証拠源として,物理的整合性検証の現実的な可能性を示している。

関連論文リスト

• GEOPHYS: The Geometry of Physical Plausibility [80.0207225156318]
  凍結した画像エンコーダによって生成されたフレームごとの埋め込みの幾何学的特性により,物理的妥当性の指標が暗黙的に捕捉されることを示す。 我々は、物理的に不可解なビデオとリアルなビデオとを強く区別し、最先端の物理違反検出を実現している。 最終的に、GEOPHYSは、画像エンコーダから抽出された時間的特徴の創発的幾何学的特性を活用することで、ビデオの物理的妥当性を評価することができることを示した。
  論文  参考訳（メタデータ） (2026-06-15T20:51:35Z)
• PhyGround: Benchmarking Physical Reasoning in Generative World Models [46.53245929361594]
  ビデオ生成における物理的推論を評価するための基準付きベンチマークであるPhyGroundを紹介する。 ベンチマークには250のキュレートされたプロンプトが含まれており、それぞれが予想される物理的な結果と13の物理法則の分類が含まれている。 我々は,大規模で品質管理された人間の研究を通じて,8つの現代映像生成モデルを評価する。
  論文  参考訳（メタデータ） (2026-05-11T16:30:51Z)
• Selfie-Capture Dynamics as an Auxiliary Signal Against Deepfakes and Injection Attacks for Mobile Identity Verification [4.2958409172092225]
  モバイルリモートID認証(RIdV)システムは、顔のビデオストリームを操作または置換する攻撃にさらされる。 ETSI TS 119 461 や CEN/TS 18099 といったヨーロッパの近年の要求は、カメラベースのプレゼンテーション攻撃検出以上の補完的なエビデンスチャネルを動機付けている。 本稿では,自撮り撮影中に記録された受動運動軌跡が,スプーフスクリーニングとユーザ検証の補助的証拠となるかどうかを検討する。
  論文  参考訳（メタデータ） (2026-04-30T20:46:18Z)
• PhyAVBench: A Challenging Audio Physics-Sensitivity Benchmark for Physically Grounded Text-to-Audio-Video Generation [63.3417467957431]
  テキスト・ツー・オーディオ・ビデオ(T2AV)生成は、現実的なオーディオ・ビジュアルコンテンツを要求する幅広いアプリケーションを支える。 我々は,既存のT2AVモデルの音波物理接地能力を評価するために設計された,難易度の高い音波物理感度ベンチマークであるPhyAVBenchを紹介する。 主に音声とビデオの同期に焦点を当てた以前のベンチマークとは異なり、PhyAVBenchは、音生成の基礎となる物理的メカニズムに対するモデルの理解を明確に評価している。
  論文  参考訳（メタデータ） (2025-12-30T05:22:31Z)
• Skyra: AI-Generated Video Detection via Grounded Artifact Reasoning [66.51617619673587]
  AI生成ビデオにおける人間の知覚可能な視覚的アーティファクトを識別する,特殊な大規模言語モデル(MLLM)であるSkyraを紹介する。 この目的を達成するために、我々は、人間のアノテーションを微粒化した最初の大規模AI生成ビデオデータセットである、Supervised Fine-Tuning (SFT)のためのViF-CoT-4Kを構築した。 次に,モデルの時間的知覚,説明能力,検出精度を体系的に向上する2段階のトレーニング戦略を開発する。
  論文  参考訳（メタデータ） (2025-12-17T18:48:26Z)
• PAVAS: Physics-Aware Video-to-Audio Synthesis [58.746986798623084]
  本稿では、物理推論を潜伏拡散に基づくV2A生成に組み込む手法であるPAVAS(Physical-Aware Video-to-Audio Synthesis)を提案する。 PAVASは物理的に可塑性かつ知覚的にコヒーレントな音声を生成し、定量評価と定性評価の両方において既存のV2Aモデルより優れていることを示す。
  論文  参考訳（メタデータ） (2025-12-09T06:28:50Z)
• AI-Generated Video Detection via Perceptual Straightening [10.189379841180285]
  本稿では,AI生成ビデオと自然を区別する新しい手法であるReStraVを提案する。 知覚的直交」仮説に着想を得て、モデルの表現領域における時間的曲率と段階的距離を定量化する。 我々の分析によると、AI生成ビデオは実際のビデオと比べて、曲率と距離のパターンがかなり異なる。
  論文  参考訳（メタデータ） (2025-07-01T09:04:21Z)

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。