في خضم التطورات السريعة في تكنولوجيا المحتوى المولّد بواسطة الذكاء الاصطناعي (AIGC)، أصبحت مقاطع الفيديو المزيفة تشكل تحديًا جديدًا للأمان الاجتماعي والنقاش العام. ورغم التقدم الملحوظ في أساليب الكشف عن deepfake، لا تزال مسألة كشف تزوير AIGC تمثل صعوبة كبيرة، حيث تعتمد معظم المجموعات الحالية على نماذج توليد الفيديو المفتوحة المصدر ذات الجودة المنخفضة مقارنة بالأنظمة التجارية المتقدمة.

من خلال جهود مبتكرة، تم تقديم مجموعة بيانات جديدة تحت مسمى CoCoVideo-26K، التي تعتمد على نماذج تجارية، مما يوفر أزواجًا من مقاطع الفيديو الحقيقية والمزيفة من 13 مولد تجاري رئيسي. يُمكن لهذه المجموعة أن تعزز فهمنا للاختلافات بين الفيديوهات الحقيقية والمزيفة عالية الجودة، كما تُعَد معيارًا جديدًا لكشف التزوير.

تأسيسًا على هذه المجموعة، تم اقتراح إطار عمل جديد يُدعى CoCoDetect، والذي يُدمج بين التعلم التبايني (contrastive learning) واستدلال نماذج اللغة الكبيرة متعددة الوسائط (MLLM) عبر بوابة ثقة. تستخدم الهيكلية الأساسية R3D-18 لاستخلاص التمثيلات الزمكانية، بينما تُرسل الحالات غير المؤكدة إلى MLLM لتقييم القابلية الفيزيائية وتناسق المشهد.

أظهرت التجارب المكثفة على CoCoVideo-26K ومعايير عامة أخرى أداءً متفوقًا، مما يثبت قوة وموثوقية هذا الإطار الجديد. للمزيد من التفاصيل، يمكنكم زيارة رابط المشروع. هل تعتقد أن هذا التطور سيحدث فرقًا حقيقيًا في مكافحة المحتوى المزيف؟ شاركونا آراءكم في التعليقات!