隨着生成式AI技術的飛速發展，超逼真的合成視頻大量湧現，這加劇了被濫用的風險，而傳統的真假二分類檢測器已力不從心。為此，研究人員提出了SAGA（Source Attribution of Generative AI videos），這是首個大規模針對AI生成視頻進行來源歸因的綜合框架。與僅僅判斷視頻是否由AI生成不同，SAGA能夠精確識別出生成該視頻的具體模型。
SAGA的創新在於提供多粒度的歸因能力，涵蓋五個層級：真實性（真或假）、生成任務（如文本到視頻T2V或圖像到視頻I2V）、模型版本、開發團隊以及精確的生成器。這種細緻的分類為取證和監管提供了遠比簡單判別更為豐富的洞察。技術實現上，SAGA採用了一種新穎的視頻Transformer架構，該架構利用了強大視覺基礎模型的特徵，能夠有效捕捉時空偽影。
尤為關鍵的是，SAGA引入了一種數據高效的“預訓練-歸因”策略。實驗表明，僅需每類0.5%的標註數據，SAGA就能實現與全監督訓練相媲美的歸因性能，這大大降低了對大規模標註數據的依賴。此外，團隊還提出了時間注意力簽名（Temporal Attention Signatures，T-Sigs），這是一種全新的可解釋性方法，能夠可視化學習到的時序差異，首次解釋了為什麼不同視頻生成器會被區分開來。
在公共數據集上的大量實驗，包括跨域場景，證明了SAGA為合成視頻溯源設立了新的標杆。該工作為視頻取證、內容審核以及AI監管提供了關鍵的可解釋工具，具有重要的實際應用價值。