Nvidias deepfake-detektor uppnår en träffsäkerhet på upp till 94 %

Med tiden blir det allt svårare att upptäcka falska nyheter, och AI-genererade videor gör det nästan omöjligt att skilja verkliga händelser från påhittade. Nvidia tar nu steget in i mainstream med ett verktyg som är särskilt utformat för medieföretag att faktagranska den information de sänder.

Nvidia presenterade sin nya Synthetic Video Detector på SIGGRAPH 2026, en NIM-mikrotjänst som skannar varje bildruta i en video eller påstått filmmaterial och i sin tur ger ett betyg eller en prognos som indikerar om videon är AI-genererad. Syftet med NIM-mikrotjänsten är att stödja Nvidias expansion in i mediebranschen genom att göra det möjligt för redaktioner att snabbt leverera korrekta nyheter och flagga falsk information innan den når nationell tv.

Nvidias vice vd för fysisk AI-simuleringsteknik, Rev Lebaredian, förklarade motivet bakom utvecklingen av systemet för detektering av syntetiska videor i ett pressmeddelande och konstaterade att samma teknik som används för att skapa generativa AI-videor även kan användas för att upptäcka dem.

För närvarande distribuerar Nvidia redan tekniken till Wowza, en lösning för livevideo och mediaservrar på företagsnivå som används av flera nyhetsnätverk. Wowzas VD, Krish Kumar, har redan bekräftat integreringen av Nvidias Synthetic Video Detector i Wowzas infrastruktur. Han uppgav att företaget arbetar mot att integrera AI i sina sändningar i realtid och livestreams, och påpekade att ”marknaden går mot livevideosystem som kan skapa värde medan sändningen fortfarande pågår.”

En lovande icke-linjär minskning av noggrannheten vid komprimering

När det gäller realtidsprestanda hävdar Nvidia att Synthetic Video Detector kan upptäcka AI-genererat innehåll med 92 % noggrannhet på okomprimerad video. Noggrannheten sjunker till 87 % när videon komprimeras med 15 %, medan den förblir på en relativt respektabel, icke-linjär nedgång till 82 % vid 50 % komprimering.

En snabb lösning där tester tyder på potentiellt bättre noggrannhet med justeringar

Den mest intressanta och lönsamma aspekten av NIM-mikrotjänsten för medienätverk är dess förmåga att upptäcka generativt AI-material med en hastighet på 22 ms per 1080p-videofil på RTX-system och 30 ms på L40-GPU:er.

Nvidias egna interna tester med den senaste modellen uppnådde dock ett AUC-värde på 0,9614 och en noggrannhet på 94 %. Nyhetsnätverk och andra organisationer kan justera och konfigurera sina tröskelvärden efter sina behov.

För närvarande integrerar Wowza redan NIM-tjänsten i sitt Video Intelligence Framework, som har 35 000 installationer i nästan 170 länder, vilket innebär att flaggning av videomaterial i realtid kommer att utvidgas till livestreamingtjänster även utanför traditionella nyhetsredaktioner.