論文の概要: Copyright Leakage Detection in AI Generated Videos
- arxiv url: http://arxiv.org/abs/2610.28524v1
- Date: Tue, 20 Oct 2026 16:59:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-21 21:58:47.939379
- Title: Copyright Leakage Detection in AI Generated Videos
- Title（参考訳）: AI生成ビデオにおける著作権漏洩検出
- Abstract要約: 著作権侵害検出のための新しいベンチマークデータセットを導入し、50の著作権概念と5つの画像からなる。
それぞれのコンセプトに対して,Image+promptビデオ生成モデルと,プロンプトのみのビデオ生成モデルを用いて5つのビデオを生成する。
我々は,ビデオ画像検索問題として著作権漏洩検出を定式化するコントラスト検索フレームワークに基づくAIを開発する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Video generation models can create realistic-looking video footage from images and text prompts. Some of the recent advances have raised concerns about the reproduction of copyrighted visual content. However, copyright leakage detection in generated videos remains largely unexplored. In this paper, we introduce a new benchmark data set for copyright leakage detection, comprising 50 copyrighted concepts, each with 5 images. For each concept, we have 5 videos created using the image+prompt video generation model and the prompt-only video generation model. Following that, we develop an AI toolset based on a contrastive retrieval framework that formulates copyright leakage detection as a video-to-image retrieval problem by matching aggregated video frame embeddings against a database of copyrighted image embeddings. Our method uses a single similarity threshold and retrieves the most similar copyrighted reference as supporting evidence. We conducted experiments showing strong retrieval and detection performance, achieving 99.6\% detection accuracy with only a single false negative. These results show the effectiveness of the retrieval-based method for scalable and explainable copyright leakage detection in AI-generated videos. Data can be accessed publicly from https://zenodo.org/records/21386117 and the source code for this project is publicly available at https://github.com/Shaif95/video-cp-Leakage.
- Abstract（参考訳）: ビデオ生成モデルは、画像やテキストプロンプトから現実的な映像を生成することができる。
最近の進歩のいくつかは、著作権付きビジュアルコンテンツの再生に関する懸念を引き起こしている。
しかし、生成したビデオの著作権漏洩検出はほとんど未調査のままである。
本稿では,著作権侵害検出のための新しいベンチマークデータセットを提案する。
それぞれのコンセプトに対して,Image+promptビデオ生成モデルと,プロンプトのみのビデオ生成モデルを用いて5つのビデオを生成する。
その後、我々は、著作権侵害検出をビデオ画像検索問題として定式化する対照的な検索フレームワークに基づくAIツールセットを、著作権画像埋め込みのデータベースに対して集約されたビデオフレーム埋め込みとマッチングすることによって開発する。
本手法は,単一の類似性しきい値を用いて,最も類似した参照を証拠として検索する。
検出精度は99.6 %であり,検出精度は1つの偽陰性のみである。
これらの結果は,AI生成ビデオにおけるスケーラブルで説明可能な著作権漏洩検出のための検索手法の有効性を示す。
データはhttps://zenodo.org/records/21386117から公開されており、プロジェクトのソースコードはhttps://github.com/Shaif95/video-cp-Leakage.comで公開されている。
関連論文リスト
- Contrastive learning for video reuse detection [0.0]
コンテンツの再利用を識別する手法には、様々な応用があります。
ソーシャルメディアコンテンツのリミックス」の最近の傾向は、コンテンツの再利用を識別する手法には様々な応用があることを意味している。
論文 参考訳（メタデータ） (2026-10-12T16:57:13Z) - Learning Unified Video and Image Representation for Video Face Forgery Detection [49.19035628283472]
既存のビデオ顔偽造検出方法は、偽造ビデオのすべてのフレームが操作されていると仮定する。
ビデオ中の部分的偽造を検出するための微細な監督を行うために,追加の注釈付き画像を利用する新しいフレームワーク UVIF を提案する。
UVIFは、統一エンコーダとマルチタスク学習パラダイムを使用して、ビデオ顔偽造検出の強化のために、顔ビデオと画像を共同でモデル化する。
論文 参考訳（メタデータ） (2026-08-13T10:25:59Z) - Safe-Sora: Safe Text-to-Video Generation via Graphical Watermarking [88.89887962002207]
目に見えない生成的な透かしは ビデオ生成において ほとんど未発見のままです
ビデオ生成プロセスに直接グラフィカルな透かしを埋め込む最初のフレームワークであるSafe-Soraを提案する。
Safe-Soraは,映像品質,透かしの忠実度,ロバスト性の観点から,最先端のパフォーマンスを実現していることを示す。
論文 参考訳（メタデータ） (2025-05-19T03:31:31Z) - AI-Based Copyright Detection Of An Image In a Video Using Degree Of Similarity And Image Hashing [0.0]
報告では、著作権のある画像の利用を識別する戦略が計画されている。
それでもわれわれは、著作権のある画像をビデオに含めるという問題を解決したい。
機械学習(ML)と人工知能(AI)は、この問題に対処するために不可欠である。
論文 参考訳（メタデータ） (2024-06-14T09:47:07Z) - Turns Out I'm Not Real: Towards Robust Detection of AI-Generated Videos [16.34393937800271]
高品質なビデオを作成するための生成モデルは、デジタル整合性とプライバシーの脆弱性に関する懸念を提起している。
ディープフェイクスのビデオと戦うための最近の研究は、ガン生成サンプルを正確に識別する検出器を開発した。
本稿では,複数の最先端(SOTA)生成モデルから合成された映像を検出するための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） (2024-06-13T21:52:49Z) - A Dataset and Benchmark for Copyright Infringement Unlearning from Text-to-Image Diffusion Models [52.49582606341111]
著作権法は、クリエイティブ作品を再生、配布、収益化する排他的権利をクリエイターに与えている。
テキスト・ツー・イメージ・ジェネレーションの最近の進歩は、著作権の執行に重大な課題をもたらしている。
CLIP、ChatGPT、拡散モデルを調和させてデータセットをキュレートする新しいパイプラインを導入する。
論文 参考訳（メタデータ） (2024-01-04T11:14:01Z) - VPN: Video Provenance Network for Robust Content Attribution [72.12494245048504]
VPN - オンラインで共有されているビデオから出典情報を復元するコンテンツ属性手法を提案する。
完全長あるいは切り離されたビデオクエリを用いて,このようなビデオのマッチングに頑健な検索埋め込みを学習する。
一度ビデオクリップの信頼できるデータベースにマッチすると、そのクリップの出所に関する関連情報がユーザに提示される。
論文 参考訳（メタデータ） (2021-09-21T09:07:05Z)
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。