1.neurips 2021 datasets and benchmarks track

作者张书海是华南理工大学博士四年级学生，主要研究方向为 AI 生成检测、对抗防御、模型加速等，在人工智能国际顶级会议 NeurIPS、ICML、ICLR、CVPR 和 IJCAI、ICCV 以及领域权威期刊 IEEE TIP、TCSVT 和 Neural Networks 发表论文共 15 篇。

2.nero2021

随着生成式 AI（如 Sora）的发展，合成视频几乎可以以假乱真，带来了深度伪造与虚假信息传播的风险现有检测方法多依赖表层伪影或数据驱动学习，难以在高质量生成视频中保持较好的泛化能力其根本原因在于，这些方法大都未能充分利用自然视频所遵循的物理规律，挖掘自然视频的更本质的特征。

3.2020 neurips meetup

真实世界的视觉现象受物理过程支配，而生成模型难以完美遵循这些规律因此，基于物理时空一致性的生成视频检测范式更具普适性和可解释性然而，高维时空物理规律通常由复杂偏微分方程刻画，直接建模这些规律极具挑战性，如何构建有效的物理驱动的统计量，仍是核心难题。

4.neruips2021

本文介绍发表于 NeurIPS 2025 的文章《Physics-Driven Spatiotemporal Modeling for AI-Generated Video Detection》文章从第一性原理出发，提出了归一化时空梯度（NSG）统计量，通过概率流守恒原理量化视频空间概率梯度与时间密度变化的比值，揭示生成视频中的物理不一致性；理论分析了生成视频与真实视频的

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。