長尺動画における改ざんセグメントの説明可能なフォレンジック解析

- 本論文は、長尺動画内に局所的に埋め込まれたAI生成コンテンツを検出・説明する新タスク「Temporal AI-Generated Segment Localization and Explanation」を提案する。 - このタスクは、未編集の長尺動画における真正性検出、時間的局所化、操作セグメントの解釈可能な分析を目的とする。 - 大規模ベンチマーク「TASLE」を導入。12,472本の未編集動画を含み、多様な操作パターンと、時間的境界、真正性ラベル、セグメントレベルの根拠を含む豊富なアノテーションを備える。 - また、粗から細へのフォレンジックベースライン「MSLoc」を提案。境界に敏感な提案生成モジュールとMLLMベースの洗練モジュールを組み合わせる。

- 既存の動画フォレンジック手法は主に短く独立したクリップを対象とし、AI生成コンテンツが真正な映像にまばらに埋め込まれた現実的なシナリオを捉えられない。 - 本論文は、未編集の長尺動画における時間的AI生成セグメントの局所化と説明という新タスクを定式化し、このギャップを埋める。 - 大規模ベンチマークTASLEを導入し、多様な操作パターンとリッチなアノテーションを提供。 - ベースラインMSLocは、長尺動画の効率的なスキャンと精密な境界局所化・解釈可能な推論を両立する点で先行研究と異なる。

- MSLocは粗から細へのフォレンジックベースライン。 - 境界に敏感な提案生成モジュールにより、長尺動画を効率的にスキャンし、候補セグメントを生成。 - MLLMベースの洗練モジュールにより、正確な境界局所化と解釈可能な推論を実現。 - これらを組み合わせ、時間的AI生成セグメントの局所化と説明を可能にする。

- 実験により、提案ベースラインMSLocの有効性を検証。 - 長尺AI生成動画分析におけるセグメントレベルの説明可能なフォレンジックの重要性を強調。 - 具体的な評価指標や比較対象は要旨からは不明。

- 長尺動画における局所的なAI生成コンテンツの検出・説明の重要性を議論。 - セグメントレベルの説明可能なフォレンジックが長尺AI生成動画分析に不可欠であると主張。 - 限界や今後の課題については要旨からは不明。

- 要旨で参照/比較されている研究は明示されていない。 - 関連手法として、短尺クリップ向けの既存動画フォレンジック手法、MLLMベースの推論、時間的局所化手法が挙げられる。 - 同分野の定番として、video forensics、temporal localization、multimodal large language models (MLLM) に関する論文を読むべき。