边界在哪里？理解人们如何识别和评估生成式AI扩展视频

研究背景与问题

• 作者发现了哪些问题或挑战？
  随着生成视频模型的快速发展，人们越来越难以区分视频内容的真实性。特别是，AI扩展视频将真实录像与生成内容混合在一起，使得辨别真实与虚假片段的边界成为一项重要的挑战。此外，AI扩展视频可能被用来误导公众，但同时具有为视频创作者提供新体验的潜力。然而，目前关于人们如何识别和评价AI扩展视频的研究仍然有限。

• 为什么这个问题很重要？
  如果无法准确识别生成内容，这可能带来假新闻传播、公共舆论危机以及误导观众对视频真实性的理解。解决这一问题不仅能改善视频内容验证，还能推动视频创作领域更好地利用生成技术。

• 研究动机与相关工作
  当前的方法主要依赖于视频数据特征进行AI生成内容检测，但这些方法忽略了人类认知的作用，同时对混合类型的视频（真实+生成）缺乏探讨。此外，随着AI模型质量的提升，当前的检测方法容易被淘汰。本研究旨在通过人机交互实验弥补这一研究空白，探索人类对混合内容的边界识别及评价。

解决方案

• 作者提出了哪些方法或解决方案？
  作者设计并实施了一个基于Web的实验系统，采集参与者对AI扩展视频边界识别的反馈和评分。此外，结合问卷调查与个人访谈，进行了定量及定性分析，以深入理解人们的感知差异、评价标准及态度。

• 该解决方案的创新之处是什么？

  • 结合多种生成模型与语言模型（如Tarsier和GPT-4），生成了高质量的AI扩展视频并用于实验。
  • 系统化地研究了人类对混合型视频内容的边界识别能力、影响因素以及评价标准。
  • 利用大规模用户实验和访谈揭示了视频风格、一致性和叙事连贯性对人类认知的影响。

• 实施步骤是什么？使用了哪些关键技术？

  1. 视频数据准备
     收集原始视频并通过AI模型（如Kling）扩展视频内容。
  2. 实验设计
     设计Web实验系统，参与者基于进度条选取边界，同时填写影响因素问卷及视频评分。
  3. 数据采集与分析
     提取参与者的边界时间偏差、因子选择率和评分数据，进行定量分析；通过半结构化访谈补充定性分析。
  4. 综述与讨论
     结合量化数据与参与者反馈，总结影响认知与评价的关键点。

研究成果

• 取得了哪些具体成果？

  1. 边界识别能力
     人类对原始视频与生成内容边界的偏差时间集中在[-0.1961秒, 1.9785秒]内，表明整体识别较为精准。
  2. 影响因素分析
     动态（如运动及几何变化）对边界识别影响最大，场景变化较为难察觉。多个因素呈现显著正相关，例如运动与物体几何形状。
  3. 视频评分分析
     叙事连贯性是影响总体评价的最重要因素，与视频风格一致性和感知质量密切相关。
  4. 用户态度
     绝大多数参与者对AI扩展视频持乐观态度，认为其可提高创作效率并激发想象力，同时关注法律、版权等可能产生的风险。

• 与现有解决方案相比，它有哪些优势？

  • 考虑用户体验与人类认知因素，填补了现有方法忽略这一维度的研究空白。
  • 提出了定性与定量结合的实验框架，丰富了AI扩展视频的用户研究方法。
  • 探讨了未来技术发展对视频生成领域的可能影响，具有理论与应用价值。

• 实验或评估结果是什么？

  • 在95%的案例中，参与者识别的边界时间偏差较小，表明视频内容生成技术尚未完全迷惑人类认知。
  • 量化数据揭示了影响因素之间的强相关性（如运动与几何变化），定性数据补充了识别困难的潜在原因。

• 局限性与未来方向

  1. 视频选材过于单一，未来需扩展至动画、电影等多类型内容。
  2. 实验视频长度偏短，限制了对复杂场景或情节设计的研究。
  3. 参与者文化与地理分布有限，影响结论的普适性。
  4. 未探讨音频对视频识别与评价的作用，可在未来研究中补充。
  5. 当前实验明确告知参与者视频为AI扩展，未测试自然场景下的识别能力。

通过系统化研究，本研究揭示了人类对混合型视频内容的识别与评价特性，并提出了改进视频生成及延展技术的建议。这些发现有助于推动AI扩展视频技术的未来发展，同时为相关领域的用户研究提供了理论支持。