menu
close

AI-systeem van Google Spoort Deepfakes op Buiten Gezichtsmanipulatie Om

Onderzoekers van UC Riverside en Google hebben UNITE ontwikkeld, een baanbrekend AI-systeem dat deepfakes kan detecteren, zelfs wanneer gezichten niet zichtbaar zijn in video's. In tegenstelling tot traditionele detectiemethoden analyseert UNITE volledige videoframes, inclusief achtergronden en bewegingspatronen, om synthetische of gemanipuleerde inhoud te identificeren. Deze universele detector betekent een belangrijke stap vooruit in de strijd tegen steeds geavanceerdere AI-gegenereerde video's die de integriteit van informatie bedreigen.
AI-systeem van Google Spoort Deepfakes op Buiten Gezichtsmanipulatie Om

Nu AI-gegenereerde video's steeds overtuigender en toegankelijker worden, hebben onderzoekers van UC Riverside de handen ineengeslagen met Google om een krachtig nieuw wapen te ontwikkelen tegen digitale misleiding.

Hun systeem, genaamd Universal Network for Identifying Tampered and synthEtic videos (UNITE), pakt een cruciale kwetsbaarheid aan in de huidige deepfake-detectietechnologie. Waar bestaande tools zich vooral richten op gezichtsafwijkingen, onderzoekt UNITE volledige videoframes, inclusief achtergronden, bewegingspatronen en subtiele ruimtelijk-temporele inconsistenties die manipulatie verraden.

"Deepfakes zijn geëvolueerd," legt Rohit Kundu uit, een promovendus aan UC Riverside die het onderzoek leidde. "Het gaat niet langer alleen om gezichtsvervanging. Mensen maken nu volledig nepvideo's—van gezichten tot achtergronden—met krachtige generatieve modellen. Ons systeem is ontworpen om dat allemaal te detecteren."

De samenwerking, waaraan ook professor Amit Roy-Chowdhury en Google-onderzoekers Hao Xiong, Vishal Mohanty en Athula Balachandra deelnamen, werd gepresenteerd op de Conference on Computer Vision and Pattern Recognition 2025 in Nashville. De innovatie komt op het moment dat tekst-naar-video- en beeld-naar-video-generatieplatforms het mogelijk maken voor vrijwel iedereen om geavanceerde videovervalsingen te maken.

UNITE maakt gebruik van een transformer-gebaseerd deep learning-model dat is gebouwd op een fundament genaamd SigLIP, waarmee kenmerken worden geëxtraheerd die niet gebonden zijn aan specifieke personen of objecten. Een nieuwe trainingsmethode, "attention-diversity loss" genoemd, dwingt het systeem om meerdere visuele regio's in elk frame te monitoren, waardoor overmatige focus op gezichten wordt voorkomen.

Hoewel UNITE zich nog in de ontwikkelingsfase bevindt, zou het systeem binnenkort essentieel kunnen worden voor sociale mediaplatforms, redacties en factcheckers die willen voorkomen dat gemanipuleerde video's viraal gaan. Nu deepfakes het publieke vertrouwen, democratische processen en de informatie-integriteit steeds meer bedreigen, vormen universele detectietools zoals UNITE een cruciale verdedigingslinie tegen digitale desinformatie.

Source:

Latest News