澳门永久娱乐网站新闻

澳门永久娱乐网站

字号+作者: 来源:大学生澳门永久娱乐网站网 2020-03-21 12:33:04 我要评论() 收藏成功收藏本文

记者谢晓晨编辑一在识别深度伪造(深度伪造)方面有了新的突破。近几年来,鉴别人脸和视频图像的真假成为ai领域的重点课题。最近,微软亚洲研究院计算机视觉组研究出一项

记者谢晓晨

编辑

在识别深度伪造(深度伪造)方面有了新的突破。

近几年来,鉴别人脸和视频图像的真假成为ai领域的重点课题。最近,微软亚洲研究院计算机视觉组研究出一项新的识别技术facex-ray——给人脸图像、视频做x光检测。

有关这项技术的相关论文已被cvr2020收录,其技术原理是,当面部图像被替换时,图像将留下痕迹,在被x射线拍摄后,将显示该跟踪。

在此之前,业界主流的人脸变化识别算法,包括微软亚洲研究院提出的上一代算法,都在对人工智能分类器进行训练,让人工智能模型学习大量的人脸变化图像,从而具有初步的识别能力。

然而,这种算法的局限性在于,只有当图像是由已知的人脸变换算法(如深度、人脸、脸2人脸等)生成时,识别技术才能达到更高的识别率(99%以上),因为人工智能模型通过学习这些算法生成的大量人脸图像来提高识别能力。

如果换脸图像采用未知算法,识别和识别率将降低到70%。问题是,在现实生活中,当我们看到一幅改变人脸的图像或视频时,我们不知道它是否是由已知的算法合成的。

因此,微软亚洲研究院视觉计算组的研究员在facex-ray中通过一种全新的方式判断一张人脸图像是否被更换过。如果这个人脸图像被更换过,一定会存在一个换脸的边界,facex-ray要做的就是检测并画出这个边界,让它清晰可见,就像照x光一样。

该算法预测的融合边界图像的来源:microsoft

微软亚洲研究院(MicrosoftResearchAsia)执行副总裁郭白宁表示:x射线最大的突破在于,无论使用已知的还是未知的人脸改变算法,它的识别率都可以达到95%以上。在他看来,这种方法在一定程度上解决了传统的人工智能模型黑匣子问题,可以解释和信任。

由于人脸射线不能学习大量改变人脸的图像来提高识别率,这种方法不需要考虑在改变人脸图像中使用哪种算法,因此它更具有通用性和通用性。

传统的ai人脸变化一般分为三个步骤:第一步是检测目标图像的面部区域;第二步是使用ai人脸变换算法生成新的人脸和周围区域的一部分;第三步是将生成的新面孔融合到原始图像中,并在原始图像中替换人脸。Facex射线主要针对人脸变换算法的第三步,即图像融合过程。改变脸部的图像必须由至少两幅图像叠加,并且可以确定复合图像的中间面来自一幅图像,并且脸部被另一幅图像包围。

研究人员还发现,每幅图像都有像指纹一样独特的硬件或软件的特殊噪声标记。因此,面部射线通过确定图像是否包含两种不同的噪声来确定人脸图像是合成图像的可能性。

可理解性在于它能够标记变化人脸的边界。与以前的算法不同,它只能显示识别结果,无法解释原因。

诈骗行为会对个人隐私、企业安全和社会保障产生许多负面影响。自去年以来,包括谷歌(Google)和Twitter在内的主要科技公司一直在致力于打击与技术的对抗。

最近更新
热门点击