في عصر التقدم التكنولوجي المتسارع، أصبحت مقاطع الفيديو المولدة بالذكاء الاصطناعي (AI-generated videos) تشكل تحديًا كبيرًا في مجال التحقق من المحتوى. حيث بدأت الحاجة الملحة لتقنيات تضمن دقة هذه الفيديوهات في الظهور.

**تقنية SPLIT**

تقديم SPLIT، نظام كشف مبتكر يتجاوز الحاجة للتدريب على البيانات، ويتمتع بمعدلات أداء فائقة في كشف مقاطع الفيديو المولدة بالكامل أو المعدلة جزئيًا. تعتمد SPLIT على إنجازين رئيسيين: **عدم التناسق المكاني (Spatial Patch-Level Incoherence)** و**خشونة الزمنية (Temporal Roughness)**.

يعتمد النظام على استخراج رموز من محول الرؤية الثابت للتمييز بين الفيديوهات الحقيقية والمزورة. ويقوم بحساب إشارتين متكاملتين: **الخشونة الزمنية ثنائية الخطوات (Two-step Temporal Roughness)**، التي تلتقط مسارات غير سلسة من المقاطع، و**عدم التناسق المكاني للحركة المحلية (Local Spatial Motion Incoherence)**، الذي يقيس التغيرات الزمنية غير المتناسقة من الناحية المكانية من خلال تدرجات مجال الحركة في الفضاء.

تعمل SPLIT أيضًا على تنفيذ بروتوكول تقييم متماشي مع الخدمة، يركز على دقة الكشف الزائف (Fake Recall) عند معدلات فشل زائف محددة، مما يجعلها فعالة ومناسبة للاستخدام في العالم الحقيقي.

تظهر نتائج التجارب عبر ثلاثة محاور (FakeParts، GenVideo، وViF-Bench) أن SPLIT تحقق أعلى نسبة استرجاع مزيفة عند معدل فشل زائف يصل إلى **0.1%**، متفوقةً بذلك على النماذج الأخرى المُعتمدة على التدريب.

لمن يرغب في استكشاف كود النظام، بإمكانكم زيارة الرابط للمشروع.

**ما رأيكم في هذه التقنية الحديثة؟ هل تعتقدون أنها ستساعد في المحافظة على مصداقية المحتوى الرقمي؟ شاركونا آراءكم في التعليقات!**