Seiring video yang dihasilkan AI semakin meyakinkan dan mudah diakses, peneliti dari UC Riverside bekerja sama dengan Google untuk mengembangkan senjata baru yang ampuh melawan penipuan digital.
Sistem mereka, yang dinamakan Universal Network for Identifying Tampered and synthEtic videos (UNITE), mengatasi kelemahan kritis pada teknologi deteksi deepfake saat ini. Jika alat yang ada umumnya hanya fokus pada keanehan di wajah, UNITE justru memeriksa seluruh frame video, termasuk latar belakang, pola gerakan, serta ketidaksesuaian spasial-temporal halus yang menandakan adanya manipulasi.
"Deepfake telah berkembang," jelas Rohit Kundu, kandidat doktoral UC Riverside yang memimpin penelitian ini. "Sekarang bukan hanya soal pertukaran wajah. Orang-orang kini bisa membuat video palsu sepenuhnya—dari wajah hingga latar belakang—menggunakan model generatif yang kuat. Sistem kami dirancang untuk mendeteksi semua itu."
Kolaborasi ini, yang juga melibatkan Profesor Amit Roy-Chowdhury dan peneliti Google Hao Xiong, Vishal Mohanty, serta Athula Balachandra, dipresentasikan pada Konferensi Computer Vision and Pattern Recognition 2025 di Nashville. Inovasi ini hadir di tengah kemunculan platform text-to-video dan image-to-video yang membuat pemalsuan video canggih dapat diakses hampir semua orang.
UNITE menggunakan model deep learning berbasis transformer yang dibangun di atas fondasi bernama SigLIP, yang mengekstrak fitur tanpa terikat pada orang atau objek tertentu. Metode pelatihan baru yang disebut "attention-diversity loss" memaksa sistem untuk memantau banyak area visual di setiap frame, sehingga tidak hanya bergantung pada wajah.
Meski masih dalam tahap pengembangan, UNITE berpotensi menjadi alat penting bagi platform media sosial, ruang redaksi, dan pemeriksa fakta yang berupaya mencegah penyebaran video manipulatif secara viral. Di tengah ancaman deepfake terhadap kepercayaan publik, proses demokrasi, dan integritas informasi, alat deteksi universal seperti UNITE menjadi garis pertahanan krusial melawan misinformasi digital.