REVISÃO SISTEMÁTICA E COMPARAÇÃO DE MODELOS TRANSFORMADORES NA DETECÇÃO DE DEEPFAKE

Resumo

Este estudo realiza uma revisão sistemática, baseada no protocolo PRISMA (Page et al, 2021), e uma análise experimental de modelos baseados em Transformers aplicados à detecção de deepfakes. O mapeamento da literatura indicou a predominância de abordagens baseadas em atenção e métodos híbridos na análise espacial, espaço-temporal e multimodal. Além disso, identificou limitações recorrentes, como a sensibilidade à compressão das mídias e a dificuldade de generalização dos modelos entre diferentes bases de dados. A partir desses achados, o trabalho estruturou uma etapa prática para comparar o desempenho de arquiteturas transformadoras selecionadas sob um protocolo experimental padronizado. Ao integrar a revisão teórica e a análise empírica, o estudo busca fornecer subsídios para o desenvolvimento de soluções mais robustas contra a desinformação digital. Palavras-chave: Deepfake Detection. Deep Learning. Inteligência Artificial. Modelos Transformadores.

Revisão Sistemática. Vision Transformer. Visão Computacional.