Pesquisadores da Universidade de Tóquio, no Japão, e do Instituto Max Planck de Informática, na Alemanha, apresentaram um sistema capaz de reconhecer vídeos falsificados por inteligência artificial – os chamados deepfakes – com acerto médio superior a 95 %. A ferramenta foi detalhada na edição de 2026 da Conferência IEEE/CVF sobre Visão Computacional e Reconhecimento de Padrões (CVPR).
Como a tecnologia funciona
Em vez de buscar imperfeições nos pixels, o método verifica se os movimentos faciais correspondem naturalmente à fala. A base do processo é o modelo facial FLAME, amplamente utilizado em computação gráfica, que descreve expressões por 53 parâmetros matemáticos.
Durante o pré-treinamento, os cientistas usaram mais de 450 horas de vídeos públicos sem rótulo. Nessa fase, a rede aprendeu a prever quais expressões deveriam acompanhar determinado trecho de áudio. Depois, basta cerca de 60 segundos de gravação de uma pessoa para personalizar o detector, tornando-o específico para aquele rosto.
Vantagens sobre métodos atuais
Detectores tradicionais se baseiam em aprendizado supervisionado, treinado com grandes conjuntos de vídeos autênticos e manipulados. Segundo os autores, esse formato tende a se especializar em truques já conhecidos e falha diante de técnicas inéditas. O novo sistema adota aprendizado autossupervisionado, usando apenas material real no treinamento inicial, o que o torna mais robusto contra deepfakes de última geração.
Nos testes, a abordagem superou as soluções consideradas estado da arte em vários bancos de dados públicos. Em um conjunto produzido pelos próprios pesquisadores com vídeos gerados pelo Sora 2, da OpenAI, detectores anteriores tiveram desempenho próximo ao acaso; já o novo modelo identificou quase 95 % das falsificações.
Imagem: arXiv
Limitações e próximos passos
Apesar dos resultados, o protótipo ainda exige longo tempo de pré-treinamento em hardware de alto desempenho e não opera em tempo real. Mesmo assim, os autores enxergam o trabalho como um passo importante para futuras ferramentas de combate à desinformação baseada em vídeo.
Com informações de Olhar Digital
