Deepfakes além do algoritmo: uma revisão sobre indícios visuais identificáveis a olho nu na era da inteligência artificial generativa
Resumo
Este artigo realiza uma análise sobre a detecção visual de vídeos deepfake a olho nu, com foco na percepção humana como ferramenta auxiliar frente à crescente sofisticação das técnicas de geração de imagens e vídeos. Aborda-se a limitação dos detectores automáticos atuais e explora-se, com base na literatura, sinais visuais recorrentes em vídeos falsificados, como ausência de piscadas naturais, expressões artificiais, fluidez exagerada, textura de pele homogênea e inconsistências entre figura e fundo. Um exemplo prático com vídeo gerado por inteligência artificial (IA) complementa a análise. Os achados reforçam que, apesar do alto realismo estético, falhas visuais ainda podem ser percebidas por observadores atentos. Conclui-se que a observação crítica e visual são caminhos viáveis no combate à desinformação audiovisual.
Palavras-chave:
Deepfake, Inteligência Artificial Generativa, Observação
Referências
Diel, A., Lalgi, T., Schröter, I. C., MacDorman, K. F., Teufel, M., and Bäuerle, A. (2024). Human performance in detecting deepfakes: A systematic review and meta-analysis of 56 papers. Computers in Human Behavior Reports, 16:100538.
Guarnera, L. et al. (2020). A deepfake video detection method based on convolutional neural networks and frequency analysis. Sensors, 20(18):5112.
Gupta, P., Chugh, K., Dhall, A., and Subramanian, R. (2020). The eyes know it: Fakeet – an eye-tracking database to understand deepfake perception.
Josephs, E., Fosco, C., and Oliva, A. (2023). Artifact magnification on deepfake videos increases human detection and subjective confidence.
Korshunov, P. and Marcel, S. (2023). Survey of visual artifacts in deepfake videos. arXiv preprint arXiv:2311.10824.
Lee, A. (2019). How puny humans can spot devious deepfakes. [link]. Acesso em: Julho 2025.
Tolosana, R., Romero-Tapiador, S., Fierrez, J., and Vera-Rodriguez, R. (2020). Deepfakes evolution: Analysis of facial regions and fake detection performance.
Guarnera, L. et al. (2020). A deepfake video detection method based on convolutional neural networks and frequency analysis. Sensors, 20(18):5112.
Gupta, P., Chugh, K., Dhall, A., and Subramanian, R. (2020). The eyes know it: Fakeet – an eye-tracking database to understand deepfake perception.
Josephs, E., Fosco, C., and Oliva, A. (2023). Artifact magnification on deepfake videos increases human detection and subjective confidence.
Korshunov, P. and Marcel, S. (2023). Survey of visual artifacts in deepfake videos. arXiv preprint arXiv:2311.10824.
Lee, A. (2019). How puny humans can spot devious deepfakes. [link]. Acesso em: Julho 2025.
Tolosana, R., Romero-Tapiador, S., Fierrez, J., and Vera-Rodriguez, R. (2020). Deepfakes evolution: Analysis of facial regions and fake detection performance.
Publicado
13/08/2025
Como Citar
CANTÃO, Camily; MEDEIROS, Iago.
Deepfakes além do algoritmo: uma revisão sobre indícios visuais identificáveis a olho nu na era da inteligência artificial generativa. In: ESCOLA REGIONAL DE INFORMÁTICA NORTE 2 (ERIN 2), 18. , 2025, Macapá/AP.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2025
.
p. 61-66.
DOI: https://doi.org/10.5753/erin.2025.16056.
