تمسخر واقعیت در عصر هوش مصنوعی به حدی رسیده که تشخیص ویدیوهای واقعی از جعلی تنها با چشم غیرمسلح تقریبا غیرممکن شده است. انویدیا برای مقابله با این موج گسترده اطلاعات نادرست، میکروسرویس جدیدی به نام SVD (تشخیصدهنده ویدیوی مصنوعی) را معرفی کرده است که قادر است ویدیوهای تولیدشده توسط هوش مصنوعی را با دقت 92 درصد شناسایی کند.
ترکیب پژوهشهای پیشرفته و سرعت پردازش بالا
این ابزار جدید که در قالب یک میکروسرویس استنتاج (NIM) توسعه یافته، بر پایه پژوهشهای برنده جایزه در کنفرانس بینایی ماشین ICCV ساخته شده است. رسانهها و آژانسهای خبری میتوانند با استفاده از این سیستم، صحت ویدیوهای دریافتی را پیش از انتشار بررسی کنند.
SVD به جای بررسی یکپارچه فایل ویدیویی، آن را به فریمهایی با رزولوشن 504x504 پیکسل تقسیم میکند. این فریمها سپس از دو ترانسفورمر بینایی قدرتمند ساخت متا با نامهای DINOv2 و DINOv3 عبور میکنند. وظیفه این ترانسفورمرها یادگیری الگوها بدون نیاز به دادههای برچسبگذاریشده توسط انسان است و معمولا در طبقهبندی تصاویر و تشخیص اشیاء به کار میرود.
امتیازدهی هوشمند برای تشخیص جعلی بودن
پس از عبور فریمها از ترانسفورمرها، ویژگیهای فضایی آنها ارزیابی شده و به هر فریم امتیازی بین 0 و 1 اختصاص مییابد. عدد 0 نشاندهنده یک تصویر کاملا واقعی و عدد 1 نمایانگر یک تصویر کاملا جعلی است. در نهایت، میانگین امتیازات به کاربر نشان میدهد که ویدیو چقدر واقعی است.
تاثیر فشردهسازی بر دقت و سرعت پردازش
طبق بنچمارکهای منتشرشده، ویدیوهای فشردهنشده بهترین نتیجه را با دقت 92 درصد ارائه میدهند. با اعمال فشردهسازی 15 درصدی، دقت به 87 درصد کاهش مییابد و در فشردهسازی 50 درصدی نیز دقت به 82 درصد میرسد که همچنان عدد قابل توجهی محسوب میشود. این مقاومت در برابر فشردهسازی به ترانسفورمرها اجازه میدهد تا از ناهنجاریهای سطحی عبور کرده و بر آثار ذاتی تمرکز کنند.
از آنجا که SVD یک میکروسرویس است، تأخیر بسیار پایینی دارد. این سیستم میتواند ویدیوهای 1080p را تنها در 22 میلیثانیه روی پردازندههای گرافیکی RTX انویدیا و در 30 میلیثانیه روی ایستگاههای کاری این شرکت پردازش کند.
محدودیتها و همکاری با وووا
SVD برای اجرای بومی به رمزگذار NVENC نیاز دارد؛ بنابراین کارتهای مرکز داده مانند B100 قادر به اجرای آن نیستند. انویدیا در حال همکاری با شرکت Wowza برای افزودن تشخیص بیدرنگ ویدیوهای مصنوعی به پخشهای زنده است. نسخه آزمایشی این سرویس در پورتال توسعهدهندگان انویدیا در دسترس قرار دارد، اما به دلیل پردازش ابری، محدودیت حجم 100 مگابایتی و خطاهای قطع ارتباط (Timeout)، تجربه کاربری در حال حاضر با تأخیر همراه است.
جنگ میان ابزارهای تولید و تشخیص محتوای مصنوعی اکنون به یک مسابقه تسلیحاتی فناورانه تبدیل شده است. راهکارهایی نظیر SVD میتوانند خط مقدم دفاعی رسانهها در برابر دیپفیکها باشند و مسیر نوینی برای احراز هویت تصاویر در اختیار تحریریههای خبری قرار دهند.
