Guo Yipu sécher du fond de la non-Temple évidée
rapports Qubit | Numéro public QbitAI
Sur le dos dit, Obama deepfake déteste Trump, Scarlett avec colère les utilisateurs vidéo faux.
deepfake, la fraude d'artefact vidéo, le visage d'une personne, transférée à un autre organisme, si facile de se propager de fausses nouvelles à l'ensemble du réseau.
Cette fois-ci, si les politiciens ou les étoiles, sont « vidéo avec la vérité, » le scandale monté, Xibu Qing a sauté dans le fleuve Mississippi.
Même les gens ordinaires, alors il pourrait être des gens encadrés, ont fait une petite vidéo d'envoyer sa petite amie là-bas, le genou à genoux est probablement le clavier, a une bouche ne peut pas dire.
Parce que vous voyez, ces vidéos vous pouvez reconnaître le vrai et le faux?
Ce chiffre d'action de quelques nouvelles TV homme d'ancre vidéo parlante, il est vrai?
En d'autres mots l'ancre femme, son émission de port de cette vidéo est-ce vrai?
Cela lui?
Il n'y a pas de sentiment de violation et regarde, en fait, Personne n'est vraiment .
Ces personnes sur la vidéo (carte mobile), ils ne font jamais ces bouche et les expressions du visage.
Par ailleurs, une telle vidéo faux, est récemment apparu sur le marché beaucoup, d'un des gangs transnationaux Allemagne Italie.
Ce groupe de vidéo, ne contient pas traité vidéo et traité vidéo faux réel. vidéos de YouTube sont réelles, et laisser la vidéo, ils sont trois façons de générer des faux.
Le nombre de ces vidéos est également très inquiétant, autant que le montant total 1000 Segment, un total de plus de 1500000 , Dépasser la vidéo originale 1,5 To Ce qui est aussi le pire 480p de qualité vidéo, et même jusqu'à la vidéo 1080p haute définition.
Ah, oui, le gang est un groupe de chercheurs universitaires dans l'IA, et ces vidéos de faux, est un ensemble de données, appelé FaceForensics ++ .
Avec cet ensemble de données, vous pouvez former le réseau de neurones, a trouvé que la vidéo était faux AI a changé le visage pour prouver votre innocence, enregistrez vos genoux, le clavier et sa petite amie.
AI AI à l'attaque
Ces vidéo faux non seulement de différentes méthodes de fraude, la qualité peut être divisé en trois niveaux. Avoir la vidéo de sortie d'origine RAW, HQ vidéo de haute qualité (en utilisant h.264, paramètre de compression 23) et la LQ vidéo de faible qualité (paramètre 40).
Comment la réaliser? L'il nu est difficile de distinguer .
L'équipe de recherche a testé plus de 100 étudiants d'aller d'abord et de les laisser choisir ce qui est vrai ce qui est faux de deux vidéos.
Face à elle peut être décrit comme comme encore vraiment faux que réel les méthodes les plus puissantes de la fraude, le taux de précision des étudiants humains est seulement environ 40%, pourrait aussi bien aveugle que la Mongolie,.
vidéo faux encore moins sophistiqués, un jugement précis de l'humanité et le taux moyen de la vidéo originale est seulement 72%, 71% vidéo de haute qualité, en raison de la vidéo relativement faible qualité floue au-delà de taux de précision de la reconnaissance de seulement 61%.
Avec suffisamment de données, l'équipe de recherche a commencé « à attaquer AI AI », pour former le réseau de neurones, d'identifier ceux qui ont été traités greffe du visage AI vidéo faux.
Ils ont sélectionné six modèles, ces données à nouveau après la formation, la précision de reconnaissance est beaucoup plus élevé que la vidéo fausse de l'il humain.
L'un des meilleur modèle, le taux de précision 99,08% ! Mais il est sur la sortie vidéo d'origine, une légère baisse de 97,33% en vidéo de haute qualité, même si la vidéo est de mauvaise qualité, mais aussi à un taux de précision de 86,69%.
Par rapport à la capacité d'identifier l'homme, Plus de 20 points de pourcentage plus élevé .
Ce modèle est XceptionNet , De père Keras main François Chollet, il est un réseau traditionnel CNN dans le cadre d'une convolution séparable résiduelle formée sur IMAGEnet.
D'autres modèles, bien qu'il ne soit pas bon, mais il a également été considérablement améliorée.
précision de la reconnaissance sur la vidéo originale, peut atteindre plus de 95% après la compression vidéo de haute qualité, il commence une précision de différence, mais XceptionNet encore forte.
La mauvaise qualité de la vidéo, la précision de reconnaissance a chuté essentiellement de manière significative, la plus faible moyenne de moins de 60%. Mais encore en mesure de maintenir le plus haut XceptionNet à 86,69%.
Eh bien, cet ensemble de données « magique » est de?
L'ensemble du processus de fraude
Nous avons également mentionné à l'avant, la vidéo était à l'origine ordinaire sur YouTube, grâce à la transformation de trois méthodes communes de fraude, il est devenu le jeu de données.
Afin de rendre ces vidéos de faux semble plus réaliste, l'équipe de recherche pense que beaucoup de façons.
Ils recherchent la vidéo, bien sûr, il y a des gens à l'intérieur de visage. La partie originale de la vidéo de Google ensemble de données YouTube-8M, l'autre partie est la cueillette directement à partir du site YouTube vers le bas.
Après une bonne collection de vidéos, mais aussi les employeurs détection de visage traitement à nouveau, assurez-vous qu'il ne soit pas bloqué les visages des gens, puis éliminer les effets de transition gradients, superposition et ainsi de suite. Enfin, une sélection manuelle pour assurer la qualité vidéo est suffisamment élevée pour que les faux résultats de suivi.
opérations de fraude totale est divisée en deux catégories:
Tout d'abord, le transfert des expressions faciales et des actions répétition du visage (reenactment du visage) , Vous devez garder l'identité de la cible, comme la vidéo où la « magie » Obama comme, laissez-le faire une nouvelle expression.
premier échange de visage (échange de visage) Remplacer la vidéo cible avec le visage humain de la vidéo originale de la face humaine, tels que les photos postées aux films d'action d'amour Scarlett visage de l'héroïne.
fraude officiellement commencé, principalement l'équipe de recherche a choisi trois méthodes. Sont utilisés pour la transplantation de visage dans FaceSwap, deepfake et de changer l'expression de Face2Face.
la reconstruction du modèle Face2Face et FaceSwap 3D est à travers la face, et la modification correspondante du modèle 3D à la fraude complète.
FaceSwap qui est un des outils d'édition légers, l'utilisation de la position de la marque du visage relativement clairsemée pour copier le visage d'une vidéo sur un autre visage dans la vidéo.
En revanche, la technologie Face2Face est plus complexe, capable de suivi du visage et de la modélisation, de sorte que l'expression du changement.
deepfake principalement utilisé pour réaliser la partie d'opération de commutation, en utilisant une partie de l'encodeur vidéo d'origine automatique d'une partie vidéo de remplacement.
Traitement par ces trois méthodes de collecte de données, il est divisé en formation, de validation et d'ensembles de données de test.
Lorsque la vidéo originale, Face2Face, deepfake ensemble de données de formation a 367.000 images, FaceSwap moins, seulement 292000. La formation ensemble de données et taille de l'ensemble des données de validation, à environ 70000.
Cette vidéo avec ces trois méthodes, nous avons besoin de la vidéo originale et vidéo cible en entrée, la sortie finale vidéo faux réaliste.
vidéo faux, trouble
Avant deepfake disponibles, les techniques de transplantation de visage vidéo existent dans le tournage, la technologie et l'investissement en capital relativement élevé.
Et maintenant, il deepfake technologie réduit considérablement le seuil de greffe du visage, il est non seulement les politiciens qui l'utilisent pour créer de fausses nouvelles, mais utilisent aussi pour faire une actrice porno.
Scarlett soeur veuve est donc seulement déclaré publiquement qu'elle était très en colère contre ceux qui a posté une vidéo de son visage deepfake apparaissent sur le réseau, mais sans défense, incapable d'arrêter ces vidéos qui circulent.
Cette fois-ci, pour beaucoup de gens, même alors noter que la vie privée ne peut pas arrêter Pornographic circuler.
En mai dernier, deepfake a attiré l'attention du Pentagone, ils ont commandé à travers le pays par la Défense des États-Unis Advanced Research Projects Agency (DARPA), en essayant de détecter l'authenticité des différents types de vidéo.
Peu après, la DARPA a développé un outil AI sur, peut automatiquement le moniteur a été échangé à une vidéo faux du visage, habituellement basé sur la vidéo fausse ne montre pas de clignoter, les mouvements respiratoires et les yeux de ces caractéristiques peuvent être identifiées avec précision 99% des vidéo faux.
Mais maintenant, pas besoin de demander au ministère américain de la Défense sortant avec ce que l'ensemble de données de FaceForensics, vous pouvez également DIY AI pour former le dépistage des vidéos de faux.
portail
papier:
FaceForensics ++: Apprendre à Detect Images du visage manipulée
Auteur: Andreas Rossler, Davide Cozzolino, Luisa Verdoliva, Christian Riess, Justus Thiès, Matthias Niessner
https://arxiv.org/abs/1901.08971
GitHub:
https://github.com/ondyari/FaceForensics
ensembles de données nécessaires, s'il vous plaît allez à la page GitHub ci-dessus, le courrier de l'application en suivant les instructions.
- complet -
recrutement sincère
Qubits recrutent éditeur / journaliste, basé à Zhongguancun de Beijing. Nous attendons de talent, des étudiants enthousiastes de nous rejoindre! Détails, s'il vous plaît interface de dialogue qubit numéro public (QbitAI), réponse mot "recrutement".
qubit QbitAI · manchettes sur la signature de
' « suivre les nouvelles technologies AI dynamiques et de produits
