Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
본 논문은 AI 생성 비디오(AIGC-V)의 현실성 증가에 따라, 기존 인공물 중심 탐지 방식에서 의미론적 검증으로 패러다임을 전환할 것을 제안합니다. '사실 충실도 검증'을 핵심 목표로 설정하고, 시각-언어 이중 관점 프레임워크를 통해 AIGC-V 탐지를 체계화했습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.CL (NLP)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기AI가 생성한 비디오(AIGC-V)의 현실성이 진화함에 따라, 기존의 인공물 중심 탐지 방식만으로는 충분하지 않게 되었으며, 이는 낮은 수준의 검사에서 높은 수준의 의미론적 검증으로 패러다임 전환을 필요로 합니다. 본 논문은 AIGC-V 탐지에 대한 포괄적인 설문조사를 제시하며, 이 작업을 '사실 충실도 검증(Factual Fidelity Verification)'으로 재구성합니다. 이는 비디오에 묘사된 사건, 개체 및 물리적 과정이 실제 세계의 사실과 일치하는지 여부를 묻습니다. 이 빠르게 진화하는 분야를 체계화하기 위해, 우리는 기존 방법들을 본질적인 단서 분석(intrinsic cue analysis), 시공간적 일관성 모델링(spatiotemporal consistency modeling), 교차 모달리티 일관성 추론(cross-modal consistency reasoning), 그리고 언어 기반 세계 수준 추론(language-guided world-level reasoning)의 네 가지 계층에 걸친 위계적인 구조인 '시각-언어 이중 관점(Vision-Language Dual-View)' 분류 체계를 제안합니다. 이러한 이중 관점 프레임워크는 전통적인 딥페이크 탐지에서의 인공물 매칭에서, vision-language 모델과 에이전트적 추론 파이프라인에 의해 가능해진 증거 기반의 의미론적 검증으로의 근본적인 전환을 강조합니다. 221개의 연구를 체계적으로 검토하여, 우리는 AIGC-V 생성 패러다임을 종합하고, 탐지 방법론의 지형도를 설문조사하며, 제안된 관점에 맞춰 평가 지표와 벤치마크를 검토합니다. 마지막으로, 현재의 과제를 논의하고 견고하고 설명 가능하며 신뢰할 수 있는 탐지를 향한 유망한 방향을 제시합니다.