Технология и архитектура
Nvidia выпустила Synthetic Video Detector (SVD) в рамках программы AI for Media Private Access Program. Это не готовое приложение для потребителей, а Inference Microservice (NIM), предназначенный для интеграции в профессиональные медиа-пайплайны. Алгоритм анализирует видео не как единый файл, а разбивает его на кадры размером 504x504 пикселя. Для извлечения пространственных признаков используются две мощные модели Vision Transformers от Meta: DINOv2 и DINOv3. Эти нейросети обучаются формировать паттерны без человеческой разметки, выявляя скрытые артефакты, невидимые человеческому глазу.
Метрики точности и устойчивость к сжатию
Ключевое преимущество SVD — работа с реальными условиями распространения контента, где видео сильно сжаты. Модель присваивает каждому кадру оценку от 0 (реальное) до 1 (сгенерированное), а итоговый результат формируется как среднее значение. Ниже приведены результаты бенчмарков на наборе данных AI GVD:
| Уровень сжатия видео | Точность детекции (Accuracy) | Примечание |
|---|---|---|
| Без сжатия (Uncompressed) | 92% | Максимальная эффективность |
| 15% сжатия | 87% | Высокая надежность |
| 50% сжатия | 82% | Устойчивость к потерям качества |
Производительность и требования к железу
SVD демонстрирует экстремально низкую задержку, что критично для работы в реальном времени. На видеокартах Nvidia RTX обработка видео в разрешении 1080p занимает всего 22 мс, на рабочих станциях — 30 мс. Однако для работы требуется аппаратный кодек NVENC, что исключает использование некоторых датацентровых решений, таких как B100, без дополнительной эмуляции.
Практическое применение и доступность
Проект уже интегрируется с платформой Wowza для внедрения детекции в прямые трансляции. Публичный демо-доступ открыт на портале build.nvidia.com. Пользователи могут загрузить видео до 100 МБ, однако облачная обработка может занимать длительное время и иногда завершается таймаутом. Для новостных агентств и вещателей это инструмент позволяет верифицировать исходники за миллисекунды, отсеивая дипфейки до их публикации.
Источник: Tom's Hardware ↗