CoCoVideo：基于商业模型的高质量 AI 生成视频检测对比基准

随着人工智能生成内容（AIGC）技术的快速进步，视频伪造日益普遍，给公共话语和社会安全带来了新的挑战。尽管现有的 Deepfake 检测方法取得了显着进展，但 AIGC 伪造检测仍然具有挑战性，因为现有数据集主要依赖于开源视频生成模型，其质量远低于商业 AIGC 系统。即使包含一些商业样本的数据集通常也会保留可见的水印，从而损害真实性并阻碍模型推广到高保真 AIGC 视频。为了解决这些问题，我们引入了 CoCoVideo-26K，这是一个对比的、基于商业模型的 AIGC 视频数据集，涵盖 13 个主流商业生成器，并提供语义对齐的真假视频对。该数据集可以更深入地探索真实视频和高质量合成视频之间的差异，并为高度真实的视频伪造检测建立新基准。在此数据集的基础上，我们提出了 CoCoDetect，一种将对比学习与置信门控多模态 大语言模型 (MLLM) 推理相结合的检测框架。 R3D-18 主干提取时空表示，而置信门将不确定的情况路由到 MLLM，以推理物理合理性和场景一致性。 CoCoVideo-26K 和公共基准测试的大量实验展示了最先进的性能，验证了该框架的稳健性和通用性。我们的代码和数据集可在 https://github.com/DonoToT/CoCoVideo 获取。