AI 生成视频,能否追踪其源头?“SAGA”登场

通过数字分析各种 AI 生成视频并寻找源头的概念图
AI Summary

SAGA 不仅仅是简单的真伪辨别,它是一套能够分 5 个阶段精准追踪视频出自何种 AI 模型的新型人工智能视频源头确认框架。

想象一下,如果你今天早上在新闻中看到的某位名人的视频,实际上并非实拍,而是某人用 AI(人工智能)精心制作的假视频,你会作何感想?随着人工智能技术的快速发展,我们已经生活在一个难以区分眼前视频是“真”是“假”的时代。此前的检测技术大多仅停留在告知“该视频是假的”这一层面。

然而,现在出现了一种能够揪出“幕后黑手”的新工具。这就是名为“SAGA”(Source Attribution of Generative AI Videos,生成式 AI 视频源头追踪)的技术框架。 [出处: SAGA:SourceAttributionofGenerativeAIVideos, 出处: New tool identifies the sources of fake videos]

这为何重要?

随着 AI 技术的发展,制作精良视频变得轻而易举,这也导致滥用案例不断增加。俗称“深度伪造”(Deepfake,利用人工智能改变视频中人物面部或声音的技术)的技术现已达到与现实无法区分的程度。

以往我们拥有的工具仅限于判别视频是否由 AI 生成。但 SAGA 能够定位到制造该视频的“真凶”(生成模型)。这对追究 AI 生成物的责任、追踪虚假新闻的传播路径,进而提高数字内容的透明度,将起到至关重要的作用。 [出处: SAGA:SourceAttributionofGenerativeAIVideos]

AD

简要理解

SAGA 是如何找到“真凶”的呢?打个比方:即便是画同一处风景,每位画家拿笔的角度、力度以及勾勒线条的习惯都不同。AI 模型也是如此。每种视频生成 AI 在制作视频时所运用的“时间流程”或“微小模式”各不相同。

SAGA 通过一种名为“时间注意力特征(T-Sigs, Temporal Attention Signatures)”的方法发现这些差异。这是一种像分析指纹一样分析每个 AI 模型所固有特征的技术。 [出处: SAGA:SourceAttributionofGenerativeAIVideos, 出处: SAGA:SourceAttributionofGenerativeAIVideos]

简单来说,SAGA 不仅关注视频生成器生成图像的过程,还可视化并分析了它在整个视频流中制造时间变化的“独特方式”。这就好比照片应用里的滤镜各不相同,SAGA 读取的是每个 AI 模型在视频中留下的独特“数字滤镜”。更令人惊叹的是,构建 SAGA 模型并不需要海量数据。即便只有极其有限的数据(约占总视频的 0.5%),也能通过对现有 AI 检测器进行微调来查明来源。 [出处: SolvingAIVideoAttributionwithSAGAModel]

当前情况

目前,SAGA 的能力已超越简单的真伪辨别,展现出多达 5 个阶段的精密追踪能力:

  1. 真伪性(Authenticity):是真人还是 AI?
  2. 作业类型(Generation task):是通过文本生成视频(T2V),还是通过图像生成视频(I2V)?
  3. 模型版本(Model version):是哪个版本的 AI?
  4. 开发团队(Development team):是谷歌、OpenAI 等哪家企业的技术?
  5. 确切生成器(Precise generator):具体是哪一款引擎?

它提供了如此丰富且专业的分析信息,有望成为数字犯罪调查或内容安全领域的强大工具。 [出处: SAGA:SourceAttributionofGenerativeAIVideos, 出处: CVPR Poster SAGA]

未来展望

未来,AI 生成视频将更加深入地融入我们的日常生活。随着像 SAGA 这样的工具普及,我们或许会迎来一个理所当然要确认“该视频出自何处”的时代。不过,随着 SAGA 的发展,AI 模型也会尝试抹除自己的“痕迹”,技术上的“矛”与“盾”之争将持续下去。希望读者在今后观看 AI 视频时,能够养成至少质疑一次“这究竟是谁制作的?”的习惯。

MindTickleBytes 的 AI 记者视点

SAGA 的登场表明 AI 技术已超越单纯的成长阶段,正式进入了“社会责任”阶段。归根结底,与技术发展同样重要的是能够诚实追踪该技术所留痕迹的技术平衡点。

参考资料

  1. SAGA: Source Attribution of Generative AI Videos
  2. SAGA: Source Attribution of Generative AI Videos
  3. [Vue HN 2.0 Saga: Source Attribution of Generative AI Videos](https://vue-hackernews-ssr-5cavbdjcta-ew.a.run.app/item/49046753)
  4. [Solving AIVideo Attribution with SAGA Model Vishal Mohanty LinkedIn](https://www.linkedin.com/posts/vishal-mohanty_how-do-you-tell-whether-an-ai-generated-video-activity-7469797698653605888-RoqI)
  5. SAGA: Source Attribution of Generative AI Videos (arXiv:2511.12834v2)
  6. SAGA: Source Attribution of Generative AI Videos (arXiv:2511.12834)
  7. SAGA: Source Attribution of Generative AI Videos (EmergentMind)
  8. CVPR Poster SAGA: Source Attribution of Generative AI Videos
  9. [New tool identifies the sources of fake videos UCR News](https://news.ucr.edu/articles/2026/07/24/new-tool-identifies-sources-fake-videos)
AD
测试你的理解
Q1. SAGA 与现有的“真 vs 假”判别器最大的不同之处在于什么?
  • 改善视频画质
  • 找出生成该视频的具体 AI 模型
  • 揭示视频中人物的身份
SAGA 不仅仅是辨别视频真伪,它还能追踪生成视频所使用的具体 AI 模型及开发团队等。
Q2. SAGA 识别视频来源的核心技术是什么?
  • 时间注意力特征(T-Sigs)
  • 图像过滤
  • 用户密码追踪
SAGA 通过一种名为“时间注意力特征(T-Sigs)”的技术,将视频生成器留下的独特时间差异可视化,从而分析其来源。
Q3. 训练 SAGA 需要多少数据?
  • 总数据的 50%
  • 总数据的 20%
  • 非常有限的 0.5%
SAGA 只需极少量样本(仅占总数据的 0.5%)即可基于现有分类器进行微调,从而成为有效的源头追踪模型。