人工智能还是真实的：在资源受限的环境下检测部分改变的视频

生成视频模型的激增已将实际检测威胁从完全捏造的剪辑转移到部分经过处理的镜头。尽管现代检测器使用 400M+ 参数的基础骨干实现了很高的精度，但它们的资源占用妨碍了边缘部署。在本文中，我们提出了一种轻量级全帧检测器，用于部分操纵的人工智能生成的视频，设计用于部署在边缘硬件上，无需进行人脸检测预处理。该系统通过一个管道将 DINOv2-Base 教师提炼为冻结的 MobileNetV3-Small 学生，该管道结合了温度退火软标签传输、注意力多样性正则化、帧级监督以及调节 ImageNet 特征以进行伪影检测的剩余特征适配器。我们还针对部分操作机制特有的两种故障模式：合法场景剪切的误报，通过视频内时间硬负片解决；以及主要纯真实类的阈值水平错误校准，通过校准感知采样来解决。对假帧率从 6.2% 到 31.2% 的 55,393 个样本拼接测试集进行的评估表明，学生模型与 DINOv2-Base 教师模型 (AUC 0.766) 的差距缩小了 58%，同时在 RTX A4000 上以每 16 帧剪辑 3.65 毫秒的速度运行，并具有与边缘设备内存和延迟预算兼容的 150.4 MB 检查点。