De deepfake-detector van Nvidia bereikt een nauwkeurigheid tot 94%

Naarmate de tijd verstrijkt, wordt nepnieuws steeds moeilijker te herkennen, waarbij door AI gegenereerde video’s het bijna onmogelijk maken om echte gebeurtenissen te onderscheiden van verzonnen voorvallen. Nvidia betreedt nu de mainstream met een tool die speciaal is ontworpen voor mediabedrijven om de informatie die zij uitzenden op feitelijke juistheid te controleren.

Nvidia heeft tijdens SIGGRAPH 2026 zijn nieuwe Synthetic Video Detector onthuld, een NIM-microservice die elk frame van een video of vermeende beelden scant en vervolgens een score of voorspelling geeft die aangeeft of de video door AI is gegenereerd. Het doel van de NIM-microservice is om de uitbreiding van Nvidia naar de media-industrie te ondersteunen door redactieteams in staat te stellen snel accuraat nieuws te brengen en valse informatie te signaleren voordat deze de nationale televisie bereikt.

Rev Lebaredian, vicepresident van fysieke AI-simulatietechnologie bij Nvidia, lichtte in een persbericht de redenen toe voor de ontwikkeling van het Synthetic Video Detection-systeem. Hij verklaarde dat dezelfde technologie die wordt gebruikt om generatieve AI-video’s te creëren, ook kan worden ingezet om deze te detecteren.

Momenteel levert Nvidia de technologie al aan Wowza, een live video- en mediaserveroplossing op bedrijfsniveau die door meerdere nieuwsnetwerken wordt gebruikt. De CEO van Wowza, Krish Kumar, heeft de integratie van Nvidia’s Synthetic Video Detector in de infrastructuur van Wowza reeds bevestigd. Hij verklaarde dat het bedrijf zich richt op de integratie van AI in zijn realtime-uitzendingen en livestreams, waarbij hij opmerkte dat „de markt zich ontwikkelt in de richting van livevideosystemen die waarde kunnen genereren terwijl de stream nog gaande is.“

Een veelbelovende niet-lineaire afname van de nauwkeurigheid bij compressie

Wat realtimeprestaties betreft, beweert Nvidia dat de Synthetic Video Detector AI-gegenereerde content met een nauwkeurigheid van 92% kan detecteren op ongecomprimeerde video. De nauwkeurigheid daalt tot 87% wanneer de video met 15% wordt gecomprimeerd, terwijl deze bij een compressie van 50% op een relatief respectabel, niet-lineair niveau van 82% blijft.

Een snelle oplossing waarbij tests wijzen op mogelijk een betere nauwkeurigheid bij aanpassingen

Het meest interessante en lucratieve aspect van de NIM-microservice voor medianetwerken is de mogelijkheid om door generatieve AI gegenereerd beeldmateriaal te detecteren met een snelheid van 22 ms per 1080p-videobestand op RTX-systemen en 30 ms op L40-GPU’s.

Uit Nvidia’s eigen interne tests met het nieuwste model bleek echter een AUC van 0,9614 en een nauwkeurigheid van 94%. Nieuwszenders en andere organisaties kunnen hun drempelwaarden aanpassen en configureren op basis van hun eigen vereisten.

Momenteel integreert Wowza de NIM-dienst al in zijn Video Intelligence Framework, dat inmiddels 35.000 implementaties telt in bijna 170 landen, wat betekent dat het in realtime markeren van videobeelden zich zal uitbreiden naar livestreamingdiensten buiten de traditionele redacties.