Tudo sobre Inteligência Artificial
Uma equipe internacional de pesquisadores desenvolveu um novo método para identificar vídeos manipulados por inteligência artificial (IA), os chamados deepfakes, com uma taxa média de acerto superior a 95%.
Continua após a publicidade
A abordagem, criada por cientistas da Universidade de Tóquio (Japão) e do Instituto Max Planck de Informática (Alemanha), deixa de procurar imperfeições visuais e passa a analisar se as expressões faciais correspondem naturalmente à fala da pessoa.
Segundo os pesquisadores, o sistema conseguiu detectar manipulações que passaram despercebidas por diversos detectores já existentes, representando um avanço na busca por ferramentas mais eficazes contra vídeos falsificados.
O trabalho foi apresentado no artigo “ExposeAnyone: Personalized Audio-to-Expression Diffusion Models Are Robust Zero-Shot Face Forgery Detectors”, divulgado durante a edição de 2026 da Conferência IEEE/CVF sobre Visão Computacional e Reconhecimento de Padrões (CVPR, na sigla em inglês).
Deepfakes se tornam cada vez mais difíceis de identificar
Os pesquisadores destacam que a IA generativa já é capaz de produzir imagens e vídeos praticamente indistinguíveis de gravações reais para o olho humano.
Embora essa tecnologia tenha diversas aplicações úteis, ela também amplia os riscos de desinformação, roubo de identidade e fraudes. Por isso, desenvolver métodos confiáveis para identificar deepfakes tornou-se uma das principais áreas de pesquisa em IA.
O estudo foi conduzido por Kaede Shiohara e Toshihiko Yamasaki, da Universidade de Tóquio, em parceria com Vladislav Golyanik, pesquisador sênior e chefe do grupo 4D and Quantum Vision do Instituto Max Planck de Informática.
Método abandona busca por artefatos visuais
Segundo os autores, os detectores de deepfake mais precisos disponíveis atualmente costumam utilizar aprendizado supervisionado, sendo treinados com grandes conjuntos de vídeos autênticos e manipulados.
Esse modelo, porém, apresenta uma limitação importante: ele pode acabar aprendendo características específicas de determinados métodos de falsificação, fenômeno conhecido como overfitting, tornando-se menos eficiente diante de técnicas inéditas.
Já os métodos autossupervisionados utilizam apenas vídeos autênticos durante o treinamento. Embora sejam considerados mais resistentes ao surgimento de novas tecnologias de deepfake, normalmente apresentam níveis inferiores de precisão.
Os pesquisadores afirmam que a nova técnica é a primeira abordagem autossupervisionada capaz de combinar robustez com altas taxas de detecção, superando os métodos supervisionados existentes.
- Em vez de procurar inconsistências em pixels ou outros artefatos visuais, o sistema concentra sua análise nos movimentos naturais do rosto;
- A tecnologia utiliza o modelo FLAME, amplamente empregado em computação gráfica e animação facial, que representa matematicamente expressões faciais por meio de 53 parâmetros;
- Durante o desenvolvimento do sistema, os pesquisadores realizaram um pré-treinamento utilizando mais de 450 horas de vídeos públicos. Com esse material, o modelo aprendeu a prever quais movimentos faciais seriam naturalmente esperados a partir de uma determinada trilha de áudio;
- Depois desse treinamento inicial, o sistema pode ser adaptado para uma pessoa específica utilizando apenas cerca de 60 segundos de vídeo, tornando-se um detector personalizado de deepfakes.
Continua após a publicidade
Na etapa de análise, o software compara os movimentos faciais observados no vídeo com aqueles previstos a partir da fala. Quando existem diferenças significativas entre os dois conjuntos de informações, isso é interpretado como um forte indicativo de manipulação.
“A combinação de aprendizado autossupervisionado e análise facial baseada no FLAME torna nossa abordagem particularmente robusta contra novos métodos de geração de deepfake, bem como contra distorções como compressão de imagem ou ruído”, afirmou Vladislav Golyanik.
Testes incluíram vídeos produzidos pelo Sora 2
Nos experimentos realizados pela equipe, o método alcançou uma precisão média superior a 95% em diversos conjuntos de dados de referência utilizados pela comunidade científica, superando o desempenho das técnicas consideradas estado da arte.
Continua após a publicidade
Um dos desafios mais difíceis foi a avaliação em um conjunto de dados criado pelos próprios pesquisadores com vídeos gerados pelo Sora 2, modelo de geração de vídeos da OpenAI.
Segundo o estudo, enquanto detectores anteriores obtiveram resultados próximos ao acaso — equivalentes a um simples lançamento de moeda —, o novo sistema conseguiu identificar corretamente quase 95% dos vídeos manipulados.
Sistema ainda não funciona em tempo real contra deepfakes
Apesar dos resultados, os pesquisadores reconhecem que a tecnologia ainda possui limitações. O método exige um longo processo de pré-treinamento executado em hardware de alto desempenho e, no estágio atual, ainda não pode ser utilizado em aplicações em tempo real.
Mesmo assim, a equipe considera que a abordagem representa um caminho promissor para o desenvolvimento da próxima geração de sistemas capazes de detectar deepfakes com maior confiabilidade, inclusive diante de técnicas de manipulação cada vez mais sofisticadas.
Rodrigo Mozelli
Rodrigo Mozelli é jornalista formado pela Universidade Metodista de São Paulo (UMESP) e, atualmente, é redator do Olhar Digital.
Ver todos os artigos →
