في ظل التطورات الأخيرة في نماذج توليد الفيديو، أصبح خطر الفيديوهات المُزوّرة (Deepfake) أكبر من أي وقت مضى. لكن رغم ذلك، تظل معايير الكشف عن فيديوهات التزييف غير مُطورة بالشكل الكافي. هنا يأتي دور **FakeI2V-Bench**، معيار جديد مصمم خصيصًا لتقييم فعالية كاشفات التزييف على مستوى الصورة ضمن نطاق فيديوهات التزييف.

يتكون FakeI2V-Bench من أكثر من 97,548 فيديو، تشمل محتوى تم إنشاؤه بواسطة أحدث نماذج التوليد القوية، كما تغطي مجموعة واسعة من الفئات. ومن خلال هذا النطاق، تم إجراء تقييم نظامي لتسعة كاشفات على مستوى الفيديو واثنا عشر كاشفًا تمثيليًا على مستوى الصورة.

أظهرت النتائج التجريبية أن أفضل كاشف على مستوى الصورة حقق AUC بنسبة 80.16%، متفوقًا قليلًا على أقوى كاشف على مستوى الفيديو الذي حقق AUC بنسبة 79.99%. لكن الأهم من ذلك هو ما يقدمه **IV-Bridge**، إطار عمل عام يُعزز من قدرة كاشفات التزييف على مستوى الصورة لتطبيقها على videos، عن طريق استخدام نموذج غابة عشوائية (Random Forest Model) لدمج التوقعات على مستوى الإطار.

بهذا، استطاعت إحدى كاشفات الصورة تجاوز الأساليب الأعلى أداءً على مستوى الفيديو، محققة AUC بنسبة 93.80%. من خلال FakeI2V-Bench، تم إنشاء معيار صارم لكشف فيديوهات التزييف، مما يفتح المجال لأفكار جديدة واتجاهات للبحث المستقبلي.

للحصول على الكود والبيانات، يمكنكم زيارة الرابط: GitHub - FakeI2V-Bench. ما رأيكم في هذا التطور الجديد؟ شاركونا في التعليقات!