写点什么

微软北大造出超逼真 AI 换脸框架,顺便搞了个伪人脸检测器,网友:自造矛和盾?

  • 2020-01-07
  • 本文字数:1769 字

    阅读完需:约 6 分钟

微软北大造出超逼真AI换脸框架,顺便搞了个伪人脸检测器,网友:自造矛和盾?

以 Deepfake 为代表的 AI 换脸技术营造出的“以假乱真”的效果让人感到细思极恐,不过现有的一些生成工具还不能达到完全逼真的换脸效果,有的存在不少破绽,有的换脸效果很不自然,能轻易让人识别出来。近日,微软和北大的研究人员提出了一种新的 AI 换脸框架— FaceShifter,其能够大大提高换脸的高保真度。AI 换脸技术在爆红的同时也伴随着因滥用带来的隐忧,研究团队还提出了一种检测伪造人脸图像的方法—Face X-Ray,能够检测出复杂的伪造人脸图像。


近日,微软研究院和北京大学的研究团队发表了 2 篇学术论文,一篇关于生成高保真图像且能识别遮挡物的人脸交换框架— FaceShifter,另一篇关于检测伪造人脸图像的方法——Face X-Ray。


研究人员表示,这两项技术优于以前许多同类技术,所需数据也更少,且不会以牺牲性能代价。



微软的 FaceShifter 与现有方法对比


据了解,FaceShifter 能用源图像中的人替换掉目标图像中的人,同时保留了头部姿态、面部表情、光线、颜色、强度、背景和其他特征。但像 Reflect 和 FaceSwap 这样的应用程序声称也可以准确地做到这一点,但是微软论文的合著者表示,FaceShifter 对姿势和视角变化更加敏感。


FaceShifter 通过生成式对抗网络(GAN)来提高人脸交换的保真度,自适应嵌入集成网络(AEI-Net)是一款由一个生成器组成的 AI 模型,该生成器的作用是迷惑鉴别器,让鉴别器把合成的样本归类为真实样本。它可以在不同空间分辨率中提取属性。


值得一提的是,AEI-Net 整合了研究人员所称的注意力非正规化(AAD)层,该层可自适应地学习在哪里整合面部属性,而单独的模型“启发式错误识别细化网络(HEAR-Net)”,则利用了重建图像与其输入之间的差异来识别斑点遮挡。




来自 FaceShifter 上的示例


再来单独感受下周杰伦“换脸”的过程~



微软的研究团队表示,在定性测试中,FaceShifter 保留了人脸轮廓,并准确地还原了目标的光线和图像分辨率。此外,即使是从互联网上抓取的“陌生面孔”,该框架也学会了在不依赖人工标注数据的情况下恢复异常区域——包括眼镜、阴影和反射效果,以及其他遮挡物。


研究小组称,“这款框架在生成逼真的人脸图像方面表现优异。大量实验表明,该框架明显优于以前的人脸交换方法。”


与现有的框架不同的是,FaceShifter 不需要事先了解操作方法,也不用人工监督。相反,它生成灰度图像,提示给定输入图像是否能分解成不同来源的两张图片的混合。研究小组表示,这是可行的,因为大多数面部处理方法都有一个共同的步骤,那就是将改变过的脸部混合到现有的背景图像中。在混合过程中,每幅图像都夹杂着各自独特的标记,这些标记要么来自硬件(如传感器和透镜),要么来自软件组件(如压缩和合成算法),而且这些标记与整幅图像趋于融合。



我们再来说一说 Face X-Ray。Face X-Ray 不需要依赖与人脸“造假技术”相关的知识,并且,Face X-Ray 的算法可以在不通过任何方法生成伪图像的情况下进行训练。


与 FaceShifter 不同的是,Face X-Ray 的作用是用于检测伪造的虚假头像。目前,伪造头像被滥用的情况横行网络。去年 6 月,一份报告显示,一名间谍利用 AI 生成的个人资料图片欺骗了 LinkedIn 上的联系人,同年 12 月,Facebook 发现了数百个利用 AI 合成的假脸作头像的虚假账户。研究人员表示,确实需要像 Face X-Ray 这样的工具来检测深度伪造的图像。


FaceForensics ++是一个大型视频语料库,其中包含四种使用先进人脸操作方法操作的 1000 多个原始剪辑。研究人员在 FaceForensics ++上对 Face X-Ray 进行了训练。研究人员评估了 Face X-Ray 归纳四个数据集的能力,其中包括 FaceForensics ++语料库的一个子集;Google 发布的上千个可视化Deepfake视频;来自Deepfake检测挑战的图像; 以及一个包含 408 个真实视频和 795 个合成视频的语料库 Celeb-DF。


结果表明,Face X-Ray 能够分辨出以前从未见过的伪造图像,并能准确地预测混合区域。该团队指出,他们的方法是针对混合图像的,因此,它可能不适用于完全合成的图像,可能被对抗样本骗过。暂且撇开这个不谈,研究团队认为,这是迈向伪造人脸检测的重要一步。


原文链接:


https://venturebeat.com/2020/01/06/microsoft-researchers-propose-face-swapping-ai-and-face-forgery-detector/


论文链接:


FaceShifter:https://arxiv.org/pdf/1912.13457.pdf


Face X-ray:https://arxiv.org/pdf/1912.13458.pdf


2020-01-07 14:228544
用户头像
刘燕 InfoQ高级技术编辑

发布了 1112 篇内容, 共 580.9 次阅读, 收获喜欢 1981 次。

关注

评论 1 条评论

发布
用户头像
以彼之矛攻彼之盾,目前还是难分伯仲。但魔高一尺道高一丈,未来,相信检测深度造假的算法定会战胜深度造假算法。
2020-01-09 16:23
回复
没有更多了
发现更多内容

每周更新 | Verilog测试用例及波形展示图功能上线

ShowMeBug

61%!产品+渠道创新 蒙牛冰淇淋业绩收录有史高增长

科技新消息

【网络安全】网络安全堡垒机多少钱?有什么用?

行云管家

网络安全 信息安全 数据安全 堡垒机 企业安全

打造中国优质奶源基地 筑牢高质量发展基石

科技新消息

龙蜥社区&龙蜥开发者获CSDN 2021年度技术影响力「年度开源项目」奖和「年度社区之星」

OpenAnolis小助手

开发者 开源项目 龙蜥社区 年度影响力 社区之星

Linux 管道操作符详解

CRMEB

天翼云分布式缓存服务(Redis)的几个核心概念

天翼云开发者社区

墨天轮访谈 | 腾讯张铭:带你揭秘王者荣耀背后的游戏数据库 TcaplusDB

墨天轮

数据库 TcaplusDB 国产数据库

天翼云分布式缓存服务(Redis)的应用场景(干货)

天翼云开发者社区

夯实领军者地位 奶酪业务协同发展领先赛道

科技新消息

爆款国民冰淇淋原来是这样“凝冻”出来的

科技新消息

如何写内嵌式的帮助文档

小炮

帮助文档

PolarDB-X 正式发布2.1.0版本,Paxos 重磅开源

阿里云数据库开源

数据库 阿里云 开源 分布式 PolarDB-X

整机生产制造头部厂商雷神科技加入龙蜥社区

OpenAnolis小助手

Linux 开源 整机

天翼云新一代V5云主机,Kvm之生,Xen之死!

天翼云开发者社区

把一整个生态圈藏进大沙漠 看蒙牛如何在每一滴奶中藏进玄机

科技新消息

易观分析:海外业务亮眼,研发+IP运营助力中手游持续增长

易观分析

IP 中手游

TypeScript 之 any:哪里可以用?哪里不能用?

杨成功

4月月更

自动化运维发展趋势以及好用工具推荐

行云管家

运维 IT运维 自动化运维

大咖说·图书分享|数字化转型架构:方法论与云原生实践

大咖说

阿里巴巴 云原生 数字化转型

再论ORACLE上云通用技术方案

天翼云开发者社区

芝士就是力量!蒙牛2021年报笑出大大的CHEESE

科技新消息

星环科技TDH基于Overlay网络架构为数据安全保驾护航

星环科技

数据库

人工智能融合赋能平台,赋能智慧城市智能化升级

脑极体

专属云资源包计算规格探秘

天翼云开发者社区

使用 Amazon Cloud WAN 构建您的全球网络

亚马逊云科技 (Amazon Web Services)

Builder 专栏

“敏捷项目比传统项目快”这个说法对吗?

优秀

项目管理 低代码开发

网络IO管理-简单一问一答、多线程方式

Linux服务器开发

多线程 后端开发 Linux后台开发 网络io 服务端开发

领域驱动设计入门与实践[下]

LigaAI

团队管理 DDD 领域驱动设计思想 LigaAI

设计消息队列存储消息数据的 MySQL 表格

唐尤华

架构实战营

教你三步实现CDH到星环TDH的平滑迁移

星环科技

国产数据库

微软北大造出超逼真AI换脸框架,顺便搞了个伪人脸检测器,网友:自造矛和盾?_AI&大模型_刘燕_InfoQ精选文章