ModalFidelity reduz em até 15,9x o custo computacional da detecção de deepfakes por áudio e vídeo
Pesquisadores propõem um roteador leve que decide, antes de qualquer detector forense rodar, qual stream (áudio ou vídeo) e qual janela temporal realmente merece análise, já que deepfakes modernos alteram apenas alguns segundos do conteúdo. No dataset AV-Deepfake1M, o método analisa no máximo um quinto das janelas e ainda assim supera abordagens que descartam janelas só depois de rodar os detectores completos, mantendo mais de 96% da acurácia de um oráculo que conhece de antemão onde está cada forgery.
O artigo parte de uma observação simples sobre o estado da arte em deepfakes: geradores guiados por transcrição de fala não precisam mais falsificar o vídeo inteiro, apenas os poucos segundos em que o sentido da fala muda. Apesar disso, os detectores forenses atuais continuam varrendo cada janela de um segundo de áudio e vídeo, gastando quase todo o orçamento computacional em trechos que não foram alterados.
O ModalFidelity ataca esse desperdício com um "roteador" leve que faz uma pré-análise barata de cada janela e decide qual stream vale a pena submeter ao detector forense pesado, operando sob um teto de computação que nunca pode ser ultrapassado. A lógica central é que decidir onde olhar é muito mais barato do que efetivamente olhar — uma inversão em relação ao paradigma comum de rodar o detector completo em tudo e só depois filtrar os resultados (gating pós-detecção).
Os números reportados são expressivos: processando no máximo 20% das janelas, o sistema supera em acurácia abordagens de gating posterior usando 15,9 vezes menos computação, e retém mais de 96% do desempenho de um oráculo que sabe exatamente onde cada forgery está localizada.
Na prática pericial, isso importa porque laboratórios de forense de mídia costumam lidar com grandes volumes de vídeo apreendido (casos de fraude, desinformação eleitoral, extorsão), e triagem em escala normalmente esbarra em custo de GPU. Um roteador que corta computação sem sacrificar muito a acurácia viabiliza pipelines de triagem mais baratos. O contraponto é que a decisão de "onde olhar" é, ela mesma, uma fonte de erro: se o roteador falhar em priorizar a janela certa, uma manipulação pontual e bem escondida pode passar despercebida — um risco que qualquer laudo baseado nessa técnica precisaria declarar explicitamente.