你偷了我的镜头吗？开创生成视频中的相机运动抄袭检测
Did You Steal My Shot? Pioneering Camera Motion Plagiarism Detection in Generative Videos
浏览论文内容
中文总结 AI 辅助
针对生成视频中相机运动抄袭问题，构建首个基准并提出结合涡量线索的光流增强表示，实现比最强基线高3.02倍的检测性能。
中文摘要 AI 辅助
相机运动往往反映导演意图，并需要专业设备，使其成为高价值的知识产权形式。然而，生成视频模型可以通过简单提示模仿此类高价值相机运动，而现有相似性检测方法主要作用于视觉内容，无法捕捉更深层的运动相似性。这主要是因为它们的训练数据将相机运动与视觉内容纠缠在一起。此外，传统光流不足以表示复杂的相机运动。因此，我们构建了第一个相机运动分析基准，包括一个包含11种运动风格的运动数据集和评估协议。此外，我们提出了一种运动表示方法，利用流体动力学中的涡量线索增强光流，从而更好地捕捉运动。实验表明，我们的检测器在抄袭检测上比最强基线提高了3.02倍，并在生成视频上保持有效。我们相信我们的工作将版权保护从静态内容扩展到动态相机运动。
英文摘要
Camera motion often reflects directorial intent and requires professional equipment, making it a high value form of intellectual property. However, generative video models can imitate such high value camera motions with simple prompts, while existing similarity detection methods mainly operate on visual content and fail to capture deeper motion similarity. This is mainly because their training data entangles camera motion with visual content. Moreover, traditional optical flow is insufficient to represent complex camera motions. We therefore build the first benchmark for camera motion analysis, including a motion dataset with \textbf{11} motion styles and evaluation protocols. Furthermore, we propose a motion representation that augments optical flow with vorticity cues from fluid dynamics, thereby better capturing motions. Experiments show that our detector achieves a \textbf{3.02*} improvement in plagiarism detection over the strongest baseline and remains effective on generative videos. We believe our work extends copyright protection beyond static content to dynamic camera motion.
发表机构
- Hohai University（河海大学）
机构由 AI 辅助整理，请以论文原文为准。
