随着生成式AI技术的飞速发展，超逼真的合成视频大量涌现，这加剧了被滥用的风险，而传统的真假二分类检测器已力不从心。为此，研究人员提出了SAGA（Source Attribution of Generative AI videos），这是首个大规模针对AI生成视频进行来源归因的综合框架。与仅仅判断视频是否由AI生成不同，SAGA能够精确识别出生成该视频的具体模型。
SAGA的创新在于提供多粒度的归因能力，涵盖五个层级：真实性（真或假）、生成任务（如文本到视频T2V或图像到视频I2V）、模型版本、开发团队以及精确的生成器。这种细致的分类为取证和监管提供了远比简单判别更为丰富的洞察。技术实现上，SAGA采用了一种新颖的视频Transformer架构，该架构利用了强大视觉基础模型的特征，能够有效捕捉时空伪影。
尤为关键的是，SAGA引入了一种数据高效的“预训练-归因”策略。实验表明，仅需每类0.5%的标注数据，SAGA就能实现与全监督训练相媲美的归因性能，这大大降低了对大规模标注数据的依赖。此外，团队还提出了时间注意力签名（Temporal Attention Signatures，T-Sigs），这是一种全新的可解释性方法，能够可视化学习到的时序差异，首次解释了为什么不同视频生成器会被区分开来。
在公共数据集上的大量实验，包括跨域场景，证明了SAGA为合成视频溯源设立了新的标杆。该工作为视频取证、内容审核以及AI监管提供了关键的可解释工具，具有重要的实际应用价值。