SAGA：生成式AI影片的來源歸因（識別所用模型）
SAGA（生成式AI影片來源歸因）是首個大規模框架，能夠識別生成特定AI影片的具體模型，而非僅判斷真偽。它提供五個粒度的歸因層級：真實性、生成任務（文本到影片/影像到影片）、模型版本、開發團隊和精確生成器。透過新穎的影片Transformer架構和資料高效的預訓練-歸因策略，SAGA僅需每類0.5%的標註資料即達到全監督效能，並引入時間注意力簽名（T-Sigs）提供可解釋性。
隨著生成式AI技術的飛速發展，超逼真的合成影片大量湧現，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生成影片進行來源歸因的綜合框架。與僅僅判斷影片是否由AI生成不同，SAGA能夠精確識別出生成該影片的具體模型。
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（如文本到影片T2V或影像到影片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採用了一種新穎的影片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引入了一種資料高效的“預訓練-歸因”策略。實驗表明，僅需每類0.5%的標註資料，SAGA就能實現與全監督訓練相媲美的歸因效能，這大大降低了對大規模標註資料的依賴。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，能夠視覺化學習到的時序差異，首次解釋了為什麼不同影片生成器會被區分開來。
在公共資料集上的大量實驗，包括跨域場景，證明了SAGA為合成影片溯源設立了新的標杆。該工作為影片取證、內容稽核以及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。