Key points are not available for this paper at this time.
Nos últimos meses, uma ferramenta de software livre baseada em aprendizado de máquina facilitou a criação de trocas de rosto credíveis em vídeos que deixam poucas marcas de manipulação, no que são conhecidos como vídeos "deepfake". Cenários onde esses vídeos falsos realistas são usados para criar angústia política, chantagear alguém ou simular eventos de terrorismo são facilmente imaginados. Este artigo propõe um pipeline ciente do tempo para detectar automaticamente vídeos deepfake. Nosso sistema utiliza uma rede neural convolucional (CNN) para extrair características em nível de quadro. Essas características são então usadas para treinar uma rede neural recorrente (RNN) que aprende a classificar se um vídeo foi ou não sujeito a manipulação. Avaliamos nosso método contra um grande conjunto de vídeos deepfake coletados de vários sites de vídeos. Mostramos como nosso sistema pode alcançar resultados competitivos nessa tarefa enquanto utiliza uma arquitetura simples.
Güera et al. (Qui,) estudaram essa questão.