论文页面 - DF26：我们再也无法分辨真假

来源：https://huggingface.co/papers/2609.07369

摘要

一项针对AI生成公共演讲视频的新基准测试显示，人类和当前检测器的表现都接近随机猜测水平，这凸显了应对现代生成模型分布偏移鲁棒性的必要性。

我们推出了DF26，一个用于检测包含完全合成片段的AI生成视频的新型基准测试。这些合成片段由近期的文生视频与图生视频模型生成。视频内容涵盖单人公共演讲场景，包括直面镜头录制、官方声明和演播室采访——包含271个真实视频和由七种现代视频模型生成的2420个合成视频。在DF26上的研究表明，人类检测AI生成视频的表现，以及最先进的深度伪造检测器的表现，都接近随机猜测。我们的结果揭示了当前评估方案的局限性，并推动建立能明确衡量对现代生成模型分布偏移鲁棒性的基准测试。

查看arXiv页面 (https://arxiv.org/abs/2609.07369) 查看PDF (https://arxiv.org/pdf/2609.07369) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2609.07369)

通过智能体获取此论文：

hf papers read 2609\.073669

尚未安装最新CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型

0

没有模型链接此论文

在模型的README.md中引用 arxiv.org/abs/2609.07369 以从本页链接。

引用此论文的数据集

1

DF26/DF26 Updated 约24小时前 • 16 (https://huggingface.co/datasets/DF26/DF26)

引用此论文的Space

0

没有Space链接此论文

在Space的README.md中引用 arxiv.org/abs/2609.07369 以从本页链接。

包含此论文的收藏

0

没有包含此论文的收藏

将此论文添加到收藏 (https://huggingface.co/new-collection) 以从本页链接。