A IA consegue detetar vídeos deepfake ao analisar inconsistências microscópicas nos padrões de piscar ?

Os investigadores de IA descobriram que os vídeos sintéticos mostram, de forma consistente, dinâmicas de piscar de olhos não naturais. Estes sistemas utilizam análise de vídeo de alta resolução para identificar inconsistências invisíveis ao olho humano. A técnica funciona na maioria dos métodos atuais de geração de deepfakes. No entanto, novos ataques adversariais já estão a ser desenvolvidos para contornar essa deteção.

Os métodos atuais de deteção de deepfakes analisam, de facto, pistas fisiológicas subtis, e os padrões de piscar de olhos têm sido explorados porque os rostos sintetizados produzem frequentemente piscares de olhos demasiado consistentes ou infrequentes. A investigação mostra que as redes neurais profundas podem aprender a detetar estas inconsistências microscópicas ao examinar a frequência de piscar, a duração e as dinâmicas de movimento das pálpebras, por vezes alcançando alta precisão em conjuntos de dados controlados. No entanto, à medida que os modelos generativos melhoram, os atacantes podem refinar o comportamento de piscar de olhos para evitar esses detetores, tornando esta abordagem cada vez mais pouco fiável como defesa autónoma. O desempenho varia amplamente consoante as condições de iluminação, as poses da cabeça e a compressão de vídeo, limitando a aplicabilidade no mundo real.

— Enriched 12 de maio de 2026 · Fonte: Li, Y., et al. "Exposing AI-Generated Faces by Detecting Eye Blinking Anomalies." 2022 IEEE International Conference on Multimedia and Expo (ICME) — https://ieeexplore.ieee.org/document/9859969