DeepFake的天敌出现,我们再也不怕换脸了?
2020-10-07 09:15

DeepFake的天敌出现,我们再也不怕换脸了?

本文来自微信公众号:硅星人(ID:guixingren123),作者:杜晨,题图来自:MIT


DeepFake 已经不再是只有少数科研人员掌握的技术了,它被越来越多怀有不良动机的人,应用到现实生活的方方面面中,引发不必要的误解,比如说炮制色情影片或者虚假新闻等。


最近,一篇刊登在 IEEE PAMI(模式分析与机器智能汇刊)上的论文称,有新的方法能够准确识别 DeepFake 视频,甚至能以很高的准确率,识别出视频采用的是哪种 DeepFake 算法。


这篇论文有意思之处,在于它的思路别出心裁:识别人脸面部因心跳血流产生的微弱变化


血管遍布人体全身,包括脸上。比如在睡觉的时候,你可能会感觉到面部血液流动产生的轻微“跳动”感。


随着心跳导致的血液流动,人体皮肤也会出现区域性颜色变化。常见的脉搏血氧仪,其工作方式其实就是识别这种变化(学名叫做光体积变化描记法 Photoplethysmography,简称 PPG,后面还会提到这个词)


因心跳产生的皮肤颜色变化,在人脸上同样会出现,只是极其微弱,对肉眼不可见,在视频里就更难看出来了。不过对视频进行特定处理,增强颜色变化的效果,肉眼就可以很明显地观察出来了:



你可能想问,这种方法识别心跳准确吗?当然准了,Apple Watch 和一大堆血氧仪都采用的这种方法。它的准确率和心电图基本吻合,如下图所示:



三位分别来自纽约州立大学宾汉顿分校和英特尔公司的研究人员,在这篇新论文里提出了一个重要的主张:无论是在空间维度还是时间维度上,DeepFake 的假人脸都无法还原这种因血液流动造成的微弱变化。


空间维度就是面部区域,时间维度就是心跳频率。DeepFake 的假人脸,不是体现不了这种微弱变化。在进行大量测试后,研究人员发现:DeepFake 视频里的人脸,读取到的 PPG 信号是不稳定的。


这句话的意思是,如果你对 DeepFake 视频进行增强,会发现血流变化产生的颜色变化在人脸上显示非常不自然,变化的频率也完全不像真的心跳。


从下图中你可以看的更清楚:四种 DeepFake 算法生成的视频,产生的 PPG 信号都有很多“杂讯”,而真实视频的“杂讯”很少。



基于这个主张,研究人员设计了一套基于卷积神经网络的模型,命名为 FakeCatcher。


FakeCatcher从不同的 DeepFake 视频中提取:(1)关键的人脸区域;(2)读取 PPG 信号,将两者组合成一个时空模块(称为一个 PPG 元素)。再对 PPG 元素进行学习,最终就可以给出答案了。



在 Face Forensics++、CelebDF 等常用的假脸数据集上,Fake Catcher 的准确率能够超过90%。


更厉害的是,FakeCatcher 不光能认出视频的真假,还能准确识别出假视频用的是哪种 DeepFake 算法——这是因为每种算法的残差效果的杂讯都有足够明显的特种。研究人员透露,他们在 DeepFakes、Face2Face、FaceSwap 和 NeuralTex 四种主流算法上的识别准确率整体超过了93%。



研究人员认为,这篇论文中提出的 PPG 信号识别思路,对于 DeepFake 的识别和侦测能够开启一个全新的方向。


接下来,他们打算训练一个更复杂的模型,同时对真实视频和 DeepFake 视频的 PPG 信号进行训练。


所谓魔高一尺道高一丈,赶在 DeepFake 算法被大肆滥用之前堵住他们的路,让他们无路可走。


本文来自微信公众号:硅星人(ID:guixingren123),作者:杜晨

本内容为作者独立观点,不代表虎嗅立场。未经允许不得转载,授权事宜请联系hezuo@huxiu.com
如对本稿件有异议或投诉,请联系tougao@huxiu.com
正在改变与想要改变世界的人,都在 虎嗅APP
赞赏
关闭赞赏 开启赞赏

支持一下   修改

确定

相关推荐