L’intelligenza artificiale rende sempre più difficile distinguere i contenuti autentici da quelli generati artificialmente. Foto e video creati con modelli sempre più sofisticati stanno alimentando il problema della disinformazione, soprattutto nel settore dell’informazione. Per rispondere a questa sfida, Nvidia ha annunciato alla conferenza SIGGRAPH Synthetic Video Detector (SVD), un nuovo microservizio progettato per riconoscere i video realizzati con l’IA attraverso un’analisi automatizzata dei fotogrammi.
Come funziona Synthetic Video Detector
Synthetic Video Detector è un Nvidia Inference Microservice (NIM) che fa parte del programma AI for Media Private Access Program. Il servizio non è disponibile direttamente per il pubblico, anche se Nvidia mette a disposizione una demo dimostrativa.
Il suo compito è verificare se un filmato sia autentico oppure generato con strumenti di intelligenza artificiale. Per farlo, il sistema non analizza il video nella sua interezza, ma lo scompone fotogramma per fotogramma, esaminando ogni immagine alla ricerca di anomalie che potrebbero sfuggire all’occhio umano.
La tecnologia alla base di SVD deriva da una ricerca premiata durante la conferenza internazionale di computer vision ICCV, uno dei principali appuntamenti del settore.
L’analisi dei fotogrammi con i Vision Transformer
Ogni fotogramma viene ritagliato in immagini con risoluzione 504×504 pixel e successivamente elaborato da due modelli Vision Transformer sviluppati da Meta: DINOv2 e DINOv3.
Questi modelli sono progettati per imparare a riconoscere schemi e caratteristiche visive senza la necessità di grandi quantità di dati etichettati manualmente. Sono già impiegati in attività come la classificazione delle immagini, il rilevamento degli oggetti, il recupero di immagini e la stima della profondità.
Al termine dell’analisi, ogni fotogramma riceve un punteggio compreso tra 0 e 1, dove 0 indica un’immagine completamente reale e 1 una totalmente artificiale. Il sistema calcola quindi una media di tutti i punteggi, restituendo una percentuale finale che indica la probabilità che il video sia stato creato con l’intelligenza artificiale.
Accuratezza fino al 92% e tempi di elaborazione molto ridotti
Secondo i dati diffusi da Nvidia, SVD raggiunge il 92% di accuratezza sui video non compressi. La precisione diminuisce con l’aumentare della compressione, ma rimane comunque elevata: 87% con una compressione del 15% e 82% con una compressione del 50%.
Il microservizio è stato progettato proprio per affrontare i contenuti condivisi sui social network, dove la compressione tende a nascondere molti artefatti visibili. I modelli sono comunque in grado di individuare pattern interni che non risultano evidenti all’osservazione diretta.
Anche le prestazioni sono particolarmente rapide: l’elaborazione di un video Full HD (1080p) richiede 22 millisecondi sulle GPU Nvidia RTX e circa 30 millisecondi sulle workstation Nvidia.
Destinato ai media, con alcuni limiti tecnici
Nvidia punta soprattutto a mettere questo strumento nelle mani di agenzie di stampa, emittenti televisive e organizzazioni mediatiche, che potranno verificare più rapidamente l’autenticità dei filmati ricevuti prima della pubblicazione.
Il sistema richiede però il codificatore NVENC, motivo per cui le GPU da datacenter come la Nvidia B100 non possono eseguirlo nativamente.
L’azienda ha inoltre annunciato di essere già al lavoro con Wowza per integrare il rilevamento dei video sintetici in tempo reale nei flussi di livestreaming.
È disponibile anche una demo online, ma presenta alcune limitazioni: l’elaborazione avviene nel cloud, i tempi di attesa possono essere lunghi, la dimensione massima dei file è limitata a 100 MB e, in alcuni casi, il processo potrebbe non completarsi correttamente.
