DF26 expõe falha de humanos e detectores diante de vídeos sintéticos
Publicado 11 de set. de 2026 · Leitura 1 min de leitura · Relevância 9.1
O benchmark reúne 271 vídeos reais e 2.420 sintéticos de sete modelos recentes. Em cenários de fala pública, pessoas e detectores de deepfake ficaram próximos do acaso.
O benchmark mede a lacuna entre geradores atuais e detectores treinados em distribuições anteriores. Isso afeta moderação, jornalismo, investigação e qualquer fluxo que converta uma pontuação automática em decisão sobre autenticidade.
Pesquisadores apresentaram o DF26, benchmark voltado a vídeos integralmente sintéticos produzidos por modelos recentes de texto para vídeo e imagem para vídeo. O conjunto reúne 271 vídeos reais e 2.420 artificiais gerados por sete modelos, todos em cenários de uma pessoa falando para a câmera, em pronunciamentos ou entrevistas de estúdio.
Nos testes descritos no preprint, tanto participantes humanos quanto detectores de deepfake considerados estado da arte tiveram desempenho próximo do acaso. O resultado não demonstra que toda detecção de vídeo sintético falhou: ele mede um recorte específico, com vídeos de fala pública e mudança de distribuição em relação aos conjuntos usados para treinar detectores existentes.
A consequência prática é que acurácia alta em benchmarks antigos pode não se transferir para geradores atuais. Sistemas de verificação não deveriam tratar um classificador isolado como prova de autenticidade. Proveniência, assinatura na captura, metadados verificáveis, contexto da publicação e revisão humana continuam necessários como camadas complementares.
Revisão por pares, liberação integral do conjunto e do protocolo, resultados por gerador e compressão, testes fora de vídeos de fala pública e desempenho de sistemas que combinem detecção com proveniência.