从廉价伪造到纯合成：应对T2V假新闻视频的新时代
摘要
本文应对由文本生成视频（T2V）模型生成的纯合成假新闻视频日益增长的威胁，提出了一项新的三元分类任务和首个纯合成假新闻视频数据集（PS-FNVD），以及一个推理引导框架（R-T2V），该框架实现了最先进的检测准确率。
arXiv:2608.06732v1 公告类型：新
摘要：近期，文本生成视频（T2V）生成模型使得假新闻视频可以从零开始合成，将威胁从由现有素材拼接而成的廉价伪造视频进一步扩展。此类新闻视频能够紧密匹配捏造的叙事内容，为现有检测器制造了模态对齐陷阱。现有数据集缺乏纯合成的假新闻视频。虽然直接使用假新闻视频的描述提示T2V模型可以产生完全对齐的样本，但这会将假新闻视频检测（FNVD）简化为单模态捷径，并导致语义-视觉退化。针对这一问题，我们将T2V-FNVD定义为一个新颖的三元分类任务，包含三个标签（真实、廉价伪造和纯合成伪造），并构建了首个纯合成假新闻视频数据集（PS-FNVD）。PS-FNVD包含具有对齐欺骗性的捏造事件（类型1）和具有虚假视觉来源的真实事件（类型2），从而防止模型利用单模态捷径。此外，我们提出了推理引导的T2V-FNVD（R-T2V）框架。通过条件化理由生成和监督微调进行训练，R-T2V将高层语义逻辑与底层物理生成痕迹相结合，以预测三元真实性标签。在10个主流基线上的大量实验表明，R-T2V实现了最先进的性能，在准确率上比第二好的基线高出12.20个百分点，在宏平均 $F_1$ 上高出8.46个百分点。
查看缓存全文
缓存时间: 2026/08/10 07:59
# 从廉价伪造到纯合成：应对T2V假新闻视频的新时代 Source: https://arxiv.org/html/2608.06732 \setlistdepth 9 \setcctypeby Yifeng Luo Department of Interactive Media, Hong Kong Baptist University AI and Social Good Lab, AI Media Centre, Hong Kong Baptist University Hong Kong, China [email protected] (https://arxiv.org/html/2608.06732v1/mailto:[email protected]) 0000-0003-3635-8154 (https://orcid.org/0000-0003-3635-8154) Yupeng Li Department of Interactive Media, Hong Kong Baptist University AI and Social Good Lab, AI Media Centre, Hong Kong Baptist University Hong Kong, China [email protected] (https://arxiv.org/html/2608.06732v1/mailto:[email protected]) Liang Lan Department of Interactive Media, Hong Kong Baptist University AI Media Centre, Hong Kong Baptist University Hong Kong, China [email protected] (https://arxiv.org/html/2608.06732v1/mailto:[email protected]) and Tian Wang Institute of Artificial Intelligence and Future Networks Beijing Normal University Zhuhai, China [email protected] (https://arxiv.org/html/2608.06732v1/mailto:[email protected]) (2026) ###### 摘要。 近期的文本到视频（T2V）生成模型使得假新闻视频可以从零开始合成，将威胁从由现有素材拼凑而成的廉价伪造转移开来。这类新闻视频可以紧密匹配虚构叙事，为现有检测器制造了一个模态对齐陷阱。现有数据集缺乏纯合成假新闻视频。虽然直接用假新闻视频的描述提示T2V模型可以产生完美对齐的样本，但这将假新闻视频检测（FNVD）简化为单模态捷径，并导致语义-视觉退化。为应对这一问题，我们将T2V-FNVD定义为一个新的三分类任务，具有三种标签（真实、廉价伪造和纯合成伪造），并构建了首个纯合成假新闻视频数据集（PS-FNVD）。PS-FNVD包含具有对齐欺骗的虚构事件（类型1）和具有虚假视觉来源的真实事件（类型2），防止模型利用单模态捷径。此外，我们提出了推理引导的T2V-FNVD（R-T2V）框架。通过条件化理由生成和监督微调进行训练，R-T2V将高层语义逻辑与低层物理生成痕迹相结合，以预测三元真实性标签。在10个主流基线上的大量实验表明，R-T2V取得了最先进的性能，在准确率上超过第二好的基线12.20个百分点，在宏F1（\(F_1\)）上超过8.46个百分点。 ### 关键词 假新闻视频检测；大语言模型；视频生成 ††journalyear: 2026 ††copyright: cc ††conference: Proceedings of the 34th ACM International Conference on Multimedia; November 10–14, 2026; Rio de Janeiro, Brazil. ††booktitle: Proceedings of the 34th ACM International Conference on Multimedia (MM ’26), November 10–14, 2026, Rio de Janeiro, Brazil ††isbn: 979-8-4007-2213-4/2026/11 ††doi: 10.1145/3767308.3836334 ††ccs: Information systems Multimedia information systems ## 1. 引言 短视频平台已成为日常新闻消费的重要渠道，随着其使用量的增长，假新闻视频的流行程度也随之上升。现有研究将假新闻视频定义为传播虚假、不准确或误导性信息的视频帖子（Bu et al., 2024 (https://arxiv.org/html/2608.06732#bib.bib2); Qi et al., 2023a (https://arxiv.org/html/2608.06732#bib.bib3); Bu et al., 2023 (https://arxiv.org/html/2608.06732#bib.bib4), 2025 (https://arxiv.org/html/2608.06732#bib.bib9)）。这类假新闻视频比同内容的文本或图像虚假信息传播更快，且被用户认为更可信，对舆论和社会公益构成重大风险（Sundar et al., 2021 (https://arxiv.org/html/2608.06732#bib.bib13); He et al., 2026b (https://arxiv.org/html/2608.06732#bib.bib47), a (https://arxiv.org/html/2608.06732#bib.bib48); Luo et al., 2024 (https://arxiv.org/html/2608.06732#bib.bib49)）。传统上，假新闻视频的制作受到素材可用性的限制。造假者依赖一系列廉价伪造（Paris and Donovan, 2019 (https://arxiv.org/html/2608.06732#bib.bib35)），如视频拼接、时间操纵、上下文欺骗性的脱离语境（OOC）配对，以及换脸等基本深度伪造（Bu et al., 2024 (https://arxiv.org/html/2608.06732#bib.bib2), 2025 (https://arxiv.org/html/2608.06732#bib.bib9), 2023 (https://arxiv.org/html/2608.06732#bib.bib4); Shen et al., 2024 (https://arxiv.org/html/2608.06732#bib.bib38); Qi et al., 2024 (https://arxiv.org/html/2608.06732#bib.bib39); Papadopoulos et al., 2025 (https://arxiv.org/html/2608.06732#bib.bib40)）。由于这些方法迫使现有不同素材适应虚构叙事，它们本质上会留下可见的编辑痕迹或语义妥协（Bu et al., 2023 (https://arxiv.org/html/2608.06732#bib.bib4)）。近年来，文本到视频（T2V）生成模型在视频生成领域取得了显著进展（Han et al., 2025 (https://arxiv.org/html/2608.06732#bib.bib1); Brooks et al., 2024 (https://arxiv.org/html/2608.06732#bib
相似文章
在连现实都可疑的世界里识别深度伪造
随着合成媒体变得与真实内容难以区分，深度伪造的检测挑战日益严峻，本文探讨了应对此挑战的新兴工具与策略，以验证内容的真实性。
DF26：我们已无法分辨真假
论文介绍了DF26，这是一个用于检测AI生成的公开演讲视频的基准测试，表明人类和当前检测器的表现都接近随机猜测，凸显了对提高生成模型分布偏移鲁棒性的需求。
假新闻理论：利用跨学科洞见进行计算建模、检测与解释
本文介绍了一个理论驱动的计算框架，用于自动化假新闻检测和解释，整合了来自社会科学和心理学的跨学科洞见，并通过在基准数据集上的实验进行了验证。
活体检测模型能否泛化到从未训练过的合成媒体生成技术？[D]
本讨论探讨了基于历史深度伪造样本训练的活体检测模型是否能泛化到新的合成媒体生成技术，质疑声称具备深度伪造检测能力的供应商的更新周期。
面向可泛化深度伪造视频检测的多智能体取证推理
本文介绍了 FaceVid-Forensics-100K，一个带有细粒度标注的大规模深度伪造视频数据集，并提出了一个多智能体取证推理框架（ARGUS），该框架使用四个专门的专家智能体和一个裁判智能体，在深度伪造检测上优于闭源模型。