DF26: We Cannot Tell Fake From Real Anymore
実装難易度
Easy
推論・学習コスト
High
想定用途
検出
概要
We introduce DF26, a novel benchmark for detecting AI-generated videos containing fully synthetic clips produced by recent text-to-video and image-to-video models. The videos capture single-person public-speaking scenarios, spanning direct-to-camera recordings, official statements, and studio interviews - 271 real and 2,420 synthetic videos generated by seven modern video models. The study on DF26…
何が新しいか
We introduce DF26, a novel benchmark for detecting AI-generated videos containing fully synthetic clips produced by recent text-to-video and image-to-video models. The videos capture single-person…
何に使えるか
検出
実装情報
- Hugging Face URL
- あり
実装チェックリスト
実装または配布ページ
OKコードまたはモデル配布ページから検証を始められます。
一次情報リンク
OKHugging Face
検証しやすさ
OK実装またはモデル配布ページから試せる可能性が高いです。
計算資源
要確認学習や高解像度推論ではGPUメモリと実行時間に注意が必要です。
ライセンス
未取得配布元のLICENSE、モデルカード、Paperの利用条件を確認してください。
商用利用
未取得研究利用限定、データセット由来制限、API規約の有無を確認してください。
自社データで試すなら
製造業・材料開発のExcel/CSVデータに落とし込むための最初の手順です。
- 1まず自社データを、入力条件、目的変数、評価したい指標に分けて整理します。
- 2LightGBMやRandom Forestなどのベースラインを先に作り、この手法と比較します。
- 3評価指標はR2/RMSE、AUC、異常検知の再現率、実験回数削減率など、現場の意思決定に近いものを選びます。
- 4SHAPや特徴量重要度で、効いている因子が物理・化学・工程知識と矛盾しないか確認します。
実装難易度
Easy - 実装またはモデル配布ページから試せる可能性が高いです。
必要リソース
- GPU目安: High
- データセット: 論文・リポジトリ側の指定を確認してください。
- 学習要否: 推論だけで試せる可能性があります。
- 学習や高解像度推論ではGPUメモリと実行時間に注意が必要です。
実務で使う場合の注意点
- ライセンスと商用利用条件は、Paper / GitHub / Hugging Face の配布元で確認してください。
- 精度、再現性、計算コストはデータセットや評価条件に依存します。
- 個人情報や機密データを扱う場合は、入力データの保存先と外部API利用条件を確認してください。
関連記事
Studying Image Tokenizers as Visual Languages in Unified Multimodal Models
Image tokenizers define the ``visual language'' of unified multimodal models, yet are commonly studied through
Evolution of Multimodal Question Answering: From Modality-Adaptive Extraction to Unified Language Representation
The rapid growth of multimodal data has intensified the need for question answering (QA) systems capable of re
BanglaMemeX: Advancing Cultural Metaphoric Image Interpretation in Bangla with a Multimodal Explainable Dataset
Vision Language Models have achieved strong performance on multimodal benchmarks, yet their ability to reason
Identifying Habit, Physics, and Nuisance in Robot World Models
Teleoperated demonstrations are often multimodal even when the underlying dynamics are nearly deterministic gi