AV-FABLE：长视频中的视听操纵取证
长视频中的操纵往往只影响原本真实内容中的短暂片段。AV-FABLE 是一个基准数据集，包含通过 27 种编辑配置生成的 16,650 对原始与被操纵视频，共计 998 小时。音频和视频采用独立时间轴，支持按模态定位操纵。对视听大语言模型进行零样本提示，检测表现接近随机水平，时间定位也较差；而对其冻结的感知特征进行有监督读出，则能发现较强的取证信号。研究提出 NFSR，分别使用音频和视频时间解码器，在域内及三种分布外设置中均取得最佳定位表现，包括迁移到外部基准的视频。数据集、代码和模型权重计划公开发布。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。