机器学习不断进步 但AI换脸技术也存在破绽
- 2021/5/31 14:44:26 23965
- 来源：仪表网
【仪表网 仪表下游】从在围棋界战无不胜的“阿尔法狗”，到铺天盖地的“人脸识别”，机器学习给人们的生活带来了翻天覆地的改变。但随着AI技术的不断发展，以“智能换脸”为主要展现结果的Deepfake技术，却给大家的生活带来了更多困扰。
2018年，加蓬总统Ali Bongo因中风在公共视野中消失了数月。政府为了安抚民心，在新年时公开了一段总统录制的新年致辞。这段新年致辞使用了Deepfake技术进行生成，但这个视频非但没有起到安抚民心的作用，反而让资深大佬发现异常。在这个事件中，“AI换脸”技术成为干扰政治选举，降低政府公信力的一大推手。
Deepfake是使用深度机器学习和假照片组合而成的一个词，可以理解为机器进行深度学习而制造的假照片、假视频等虚假产物。其中最常见的应用就是“AI换脸”，也就是将一个人的脸部移植到另一个人脸上。
在进行换脸时，机器首先需要识别出人脸的位置。人脸的识别与校准在自动驾驶等领域也有着广泛的应用，目前的发展已经非常成熟，识别率在98%以上。
换脸用的素材，与待换脸的视频中的人脸，他们的面部朝向、面部表情往往不同。因此，识别出人脸位置之后，机器要进一步对人脸进行校准。通过寻找面部具有鲜明特征的区域，机器可以确定每一帧中人脸的朝向、表情，进而将待换脸视频中需要插入的人脸与素材匹配起来。匹配完成之后，换脸技术也不是简单地就把换脸素材贴在了待换脸的人脸上。简单地贴图，可以轻松地被肉眼识别，难以达到“以假乱真”的效果。Deepfake技术进一步地学习原理可以用人的行为来类比。
在不断发展的过程中，Deepfake的检测技术仍然会面对不少挑战。
第一点是有的技术本身需要一定的信息量。例如前述的眼球反射检测技术，如果视频里没有同时存在两只眼睛，就无法应用。针对虹膜颜色的检测，在视频画质较低时使用起来也较为困难。
第二点是，检测技术和换脸技术是一个“不断发展，彼此竞争”的过程。例如前述的捕捉光照与阴影不协调的问题，换脸者可以在换脸时使用更多的资源进行光照模拟、渲染，从而保证阴影的生成质量。从这个角度讲，检测和换脸技术就像一场“猫鼠游戏”，二者不断迭代，你追我赶。今天检测技术提出了用眼球的反射光进行检测，明天换脸技术就可以把眼球的反射光模拟也放在学习内容之中。检测技术必须不断更新，才能跟上Deepfake技术发展的步伐。
第三点是，检测技术距自动化还有一定距离。现有的检测技术耗费的时间都比较长，难以做到在用户上传视频的同时，短时间内自动完成检测和审核。距实用的自动Deepfake检测软件，还有一段路要走。
虽然Deepfake检测技术仍有诸多挑战，但是我们要相信，随着AI技术的不断发展，相关法规会逐渐完善，针对Deepfake的检测技术也会变得越来越准确、高效。终有一天，虚假的视频会在检测技术的“火眼金睛”下统统现出原形。钻技术的漏洞，滥用Deepfake技术，迟早会受到惩罚。
资料来源：科普中国-科普融合创作与传播
全部评论