清华 AV-FABLE 基准:16万小时级长视频深伪检测,AV-LLM 零样本近乎瞎猜
Tsinghua · hf · 2026-10-27
清华大学与北大团队发布 AV-FABLE,首个针对开放式长视频中稀疏音视频篡改的双时间线取证基准,包含 16,650 对原始-篡改视频(共 998 小时),覆盖 27 种剪辑配置,音频与视觉分别有独立时间线标注。
关键发现:
- 现有深伪基准多聚焦短对话头部片段,长视频时序取证长期空白;视频级分类不足以定位局部篡改
- 音视频大模型(AV-LLM)零样本提示检测接近随机,时序定位很差
- 但其冻结感知特征中实际编码了强取证信号,只是语言输出无法表达
- 由此提出 NFSR 方法:用分离的音频/视觉时间解码器读取冻结特征,域内及三个分布外设置均取得最佳定位表现
基准、代码与模型权重将公开发布。
「研究」频道最新
- EdgeRock 架构 256K 上下文 KV 缓存仅 72 MiB,比 Qwen3.5-4B 省 99.1% — alifcoder · 2026-10-27
- Equivariant Music Transformer 入选 ISMIR 2026 最佳论文提名 — umpedronosapato · 2026-10-27
- Deedy 补充 ETH 推翻说法的 OpenAI 与 Claude 两份文档链接 — deedydas · 2026-10-27
- 曝 OpenAI 与 Claude 模型各自独立给出 3-SAT 次指数算法，ETH 或被推翻 — deedydas · 2026-10-27
- ETH 人形机器人用头戴 LiDAR 感知地形,机上 30ms 实时建图 — ChongZzZhang · 2026-10-27
- 纽约大学等研究发现：主流 AI 模型过度使用增加阅读难度的语言模式 — andrewaltair · 2026-10-27