SPLIT：无需训练 通过空间块级不连贯性和时间粗糙度进行 AI 生成和部分编辑的视频检测

在现实世界的服务中部署人工智能生成的视频检测器需要对真实视频具有超低的误报率 (FPR)，以避免错误地拒绝真实内容，在这种情况下，AUROC 等标准指标无法反映实际操作行为。我们引入了空间补丁级不相干和时间粗糙度 (SPLIT)，这是一种 无需训练 检测器，它对来自冻结视觉编码器的补丁词元进行操作，以检测完全生成和部分编辑的视频。 SPLIT 计算两个互补信号：两步时间粗糙度 (TTR)，通过一步和两步特征变化对比捕获非平滑斑块轨迹，以及局部空间运动不相干 (LSMI)，通过特征空间运动场的梯度测量空间不一致的时间变化。两者通过伽玛校正进行乘法融合，以在严格的阈值下锐化真假分离。我们进一步提出了一种基于固定 FPR 的 Fake Recall 的服务对齐评估协议，具有纯真实阈值校准和跨真实阈值传输。在三个基准测试（FakeParts、GenVideo 和 ViF-Bench）中，SPLIT 在 FPR = $0.1\%$ 时实现了最高的假召回率，大大优于监督基准和 无需训练 基准，同时保持对后处理的稳健性，且开销可以忽略不计。该代码可在 https://github.com/mldljyh/SPLIT 上公开获取。