在技术实现层面，英伟达首先将视频分解为分辨率为504x504的裁剪帧，随后将这些帧输入至Meta开发的两个视觉变换器模型——DINOv2和DINOv3。系统会为每一帧的空间特征分配一个0到1之间的分数：0表示完全真实，1表示完全伪造。最终，通过对所有帧的得分取平均值，生成一个百分制评分，用于评估整个视频的真实性。这一流程是否显得相当严谨？

然而，性能表现中存在一个有趣的细节：SVD的检测准确率受视频压缩比率影响。基准测试结果表明，针对未压缩视频，准确率高达92%；当压缩率为15%时，准确率降至87%；即便压缩率达到50%，SVD仍能保持82%的准确率。压缩率越高，准确率越低，但整体表现依然稳健。

在速度方面，SVD作为微服务，具有极低的延迟。在Nvidia RTX GPU上处理一段1080p视频仅需22毫秒，而在工作站型号上则需要30毫秒。这样的速度已经能够实现近乎实时的检测。

以下为相关测试截图：