AI 通过眼睛的反光度,来识别是否 Deepfake 换脸
编译 | 禾木木
出品 | AI科技大本营
Deepfake 是一种 AI换脸工具,现被滥用,从虚假宣传活动到插入一些违法内容,并且篡改后的图像是难以被检测到的。
一种新的 AI 工具提供了一项令人惊讶的简单方法来发现它们:观察眼睛反射的光。
该系统是由 Buffalo 大学的计算机科学家创建。在对肖像风格照片的测试中,该工具在检测 Deepfake 伪造图像方面的有效率为 94%。
该系统在通过分析角膜来曝光伪造的图片,角膜具有镜面般的表面,在光线照射下会产生反射图案。
在相机拍摄的真实人脸照片中,两只眼睛的反射会相似,因为它们看到的是相同的东西。但是,由 GAN 合成的 Deepfake 图像通常无法准确捕捉到这种相似之处。
相反,它们经常表现出不一致,例如会有不同的几何形状或不匹配的反射位置。
Deepfake 图像(右)中的角膜有更大的差异,可能是因为它们是通过组合许多照片生成的。
人工智能系统会通过绘制人脸,并分析每个眼球反射的光来搜索这些差异。
它会生成一个分数作为相似性度量。分数越小,这张伪造后的图片就越有可能是 Deepfake 。
事实证明,该系统被证明检测取自 This Person does not Exist 的 Deepfake 方面非常有效,这是一个使用 StyleGAN2 架构创建的图像存储库。然而,研究者承认它有一些局限性。
该工具最明显的缺点是它依赖于双眼的反射光源。这些图案中的不一致可以通过后期动手处理来修复,如果图像中看不到眼睛的话,则该方法将不起作用。
它也仅仅是对肖像图片有效,如果照片中的人脸没有看着相机,系统则可能会产生误报。研究人员计划调查这些问题,以提高方法的有效性。以目前的形式来说,它不会检测到最复杂的 Deepfake ,但它仍然可以发现许多粗糙的。
参考链接:
https://thenextweb.com/news/ai-detects-deepfakes-analyzing-light-reflections-in-the-cornea-eyes-gans-thispersondoesnotexist
相关文章
- 【技术种草】cdn+轻量服务器+hugo=让博客“云原生”一下
- CLB运维&运营最佳实践 ---访问日志大洞察
- vnc方式登陆服务器
- 轻松学排序算法:眼睛直观感受几种常用排序算法
- 十二个经典的大数据项目
- 为什么使用 CDN 内容分发网络?
- 大数据——大数据默认端口号列表
- Weld 1.1.5.Final,JSR-299 的框架
- JavaFX 2012:彻底开源
- 提升as3程序性能的十大要点
- 通过凸面几何学进行独立于边际的在线多类学习
- 利用行动影响的规律性和部分已知的模型进行离线强化学习
- ModelLight:基于模型的交通信号控制的元强化学习
- 浅谈Visual Source Safe项目分支
- 基于先验知识的递归卡尔曼滤波的代理人联合状态和输入估计
- 结合网络结构和非线性恢复来提高声誉评估的性能
- 最佳实践丨云开发CloudBase多环境管理实践
- TimeVAE:用于生成多变量时间序列的变异自动编码器
- 具有线性阈值激活的神经网络:结构和算法
- 内网渗透之横向移动 -- 从域外向域内进行密码喷洒攻击