VAE Rhythm:利用解码周期性痕迹检测 AI 生成视频
showlab · hf · 2026-11-19
showlab 提出 VAE Rhythm 检测方法:可见伪影对识别生成视频已不可靠,因为新模型会学会消除它们。他们转而检测生成管线自身留下的痕迹——多数视频生成器用 3D 因果 VAE 解码潜变量,连续帧按时间分组,导致帧保真度随组内位置周期性起伏,即「VAE Rhythm」;真实视频逐帧拍摄没有这种节律。
方法核心是无需训练的「相位扫描」:用现成 VAE 从不同起始偏移重建片段,测重建误差的周期性。在 31 个生成器的 39 个变体上(含 Sora、Kling 3.0、Seedance 2.0 等闭源模型)大多能找到该痕迹。
用途与效果:
- 作为零样本分数,在 DF26 上超过全部 15 个重训基线;
- 作为插件使 19 个现有检测器 AUROC 提升 6.7%–23.7%;
- 用真实视频与 VAE 重建配对训练检测器 CaDet,在 AIGVDBench、DF26 及三个 2026 闭源模型上取得最佳 AUROC;完全不用生成视频训练的变体在 AIGVDBench 上仍超 90%。
「多模态」频道最新
- MAVE:从电影镜头重建可编辑 3D 场景,直接在 Blender 内使用 — bdsqlsz · 2026-11-19
- AI复刻龙珠画风:Yung Frieza 恶搞 MV「Planet Vegeta In My Ashtray」 — Top_Brilliant_9587 · 2026-11-19
- GTA6 风格 LoRA 实测:雨夜霓虹质感以假乱真 — freshstart2027 · 2026-11-19
- 新加坡国立大学 Jeveration:冻结 VLM 单次前向即可生成图像 — NUS-DSA3101 · 2026-11-19
- KAIST ReMo:跨模态压缩冗余视觉 token,免训练降低全模态 LLM 推理成本 — kaist-ai · 2026-11-19
- AI 视频生成实现不可能机位,作者附提示词 — umesh_ai · 2026-11-19