MotionPhys：通过光流轨迹的物理一致性检测人工智能生成的视频

现代人工智能视频生成模型可以生成具有高视觉保真度和看似平滑的时间过渡的视频。然而，视觉真实感并不一定意味着物理运动的一致性。现有的生成模型主要优化像素或潜在空间中的分布匹配，而没有明确强制现实世界的约束，例如惯性、连续力和轨迹几何形状。我们的实验表明，人工智能生成的视频在连续帧的短序列上仍然保持视觉上的合理性，但无法在整个对象动作中保持物理运动的一致性，从而导致其运动轨迹出现系统性统计差异。基于这一观察，我们引入了 MotionPhys，这是一个轻量级且可解释的框架，它将稀疏运动轨迹视为物理证据，而不是依赖于外观伪影或特定于生成器的痕迹。通过对跨多个时间尺度的轨迹的几何演化进行建模，MotionPhys 揭示了传统视觉线索难以捕捉的微妙运动不一致，并将其转换为紧凑的表示形式以进行有效检测。对多个数据集的实验表明，MotionPhys 可以有效检测生成视频中的物理不一致，并在不同视频生成器之间很好地推广。