近日，中国计算机学会（CCF）推荐的A类国际学术会议ACM International Conference on Multimedia（简称ACM MM 2023，ACM国际多媒体会议）论文接收结果公布。会议共收到3000+篇投稿，最终录用902篇，录用率为29.3%。我院智能多媒体安全实验室的论文 “UMMAFormer: A Universal Multimodal-adaptive Transformer Framework For Temporal Forgery Localization” （作者：张瑞，王宏霞，杜明珊，刘汉卿，周炀，曾强）被录用，第一作者为我院博士生张瑞同学，指导老师是王宏霞教授，杭州雪酷网络科技有限公司为论文唯一单位。ACM MM 自1993年首次举办以来，已成为多媒体领域的重要学术盛会，本届会议将在加拿大渥太华举办。
随着人工智能生成技术的不断发展，生成的虚假媒体愈加逼真，使“眼见为实”、“有图有真相”的思维方式受到质疑，因此，多媒体内容的真伪鉴别变得愈加困难。现有的研究通常仅基于二分类器来区分整段多媒体内容的真伪，对于局部伪造内容缺乏有效的检测手段。这篇论文正是针对这一问题提出了一种新颖的通用框架——UMMAFormer。该框架能够适应不同模态多媒体内容，包括音频、视频或者音视频多模态，并从中精准预测伪造片段的开始和结束时间，实现时序局部伪造内容的定位。为了增强对时序异常特征的关注，本文采用了一种创新的时序特征异常注意模块，这使得系统在检测伪造内容时更加准确。此外，针对局部短伪造片段特征的增强，论文还引入了并行交叉注意特征金字塔网络，进一步提升了性能。为了验证所提方法的有效性，还构建了一种专门针对视频涂改场景的时序视频涂改定位数据集。实验结果表明，所提方法在多个基准数据集（如Lav-DF、TVIL、Psynd等）上均取得了最先进的性能。
