先進的AI和機器學(xué)習(xí)算法可以生成逼真的物體圖像。但也有很多人利用新技術(shù)做一些違法的事情，例如偽造面孔進行人臉替換。近日，微軟研究院和北京大學(xué)發(fā)表了兩篇科技論文，分別是一種用于高保真度和遮擋意識的面部替換工具Face Shifter，以及用于檢測面部偽造圖的AI工具Face X-Ray。研究人員表示，在不犧牲性能的前提下兩款工具均達到了行業(yè)領(lǐng)先的效果，并且與以前的方法相比所需的數(shù)據(jù)要少得多。

面部替換工具Face Shifter，可以快速的將圖像或者視頻中的臉替換成另外一個人的臉，同時保留了頭部姿勢，面部表情，光線，顏色，強度，背景和其他屬性。像Reflect和Face Swap這樣的應(yīng)用程序也可以完成換臉操作，但是微軟研究人員表示，它們對姿勢、光線、顏色、強度等因素進行了破壞無法達到自然融合的效果。

Face Shifter通過生成對抗網(wǎng)絡(luò)（GAN）來增強人臉交換的保真度。這是一種由生成器組成的AI模型，該生成器試圖欺騙鑒別器以將合成樣本歸類為真實樣本，可自適應(yīng)嵌入集成網(wǎng)絡(luò)（AEI-Net）。創(chuàng)新點在于，利用自適應(yīng)注意力非正規(guī)化（AAD）層的新生成器，可自適應(yīng)地學(xué)習(xí)在哪里整合面部屬性；而之前的合成模型（啟發(fā)式錯誤確認(rèn)細(xì)化網(wǎng)絡(luò)HEAR-Net），則利用了重建圖像及其輸入之間的差異。

Face Shifter的面部替換實例

研究人員表示，在一項定性測試中，與FaceSwap、Nirkin、FaceForensics++、DeepFake、IPGAN 等面部替換效果相比，F(xiàn)ace Shifter更好地保留了臉部原有的形狀并還原圖像的分辨率、陰影、明度等屬性。此外，F(xiàn)ace Shifter可以在不依賴人類注釋數(shù)據(jù)的情況下，恢復(fù)面部異常區(qū)域，例如：眼鏡、陰影、反射效果以及其他不常見的面部遮擋。

與Face Shifter正好相反，F(xiàn)ace X-Ray主要用于檢測面部偽造。在2019年6月，一名間諜使用AI生成的個人資料照片，來欺騙LinkedIn中的聯(lián)系人；在2019年12月Facebook發(fā)現(xiàn)了數(shù)百個有問題的賬號，其中包含使用AI合成的假臉的個人資料照片。

與現(xiàn)有方法不同的是，F(xiàn)ace X-Ray不需要事先知道操作方法而是生成灰度圖像，顯示給定的輸入圖像是否可以分解為來自不同來源的兩個圖像的混合。Face X-Ray不需要依賴于與特定人臉操作技術(shù)相關(guān)的偽影知識，并且支持它的算法可以在不使用任何方法生成假圖像的情況下進行訓(xùn)練。研究人員在Face Forensics ++上對Face X-Ray進行了數(shù)據(jù)訓(xùn)練，F(xiàn)ace Forensics ++是一種大型視頻語料庫，其中包含使用四種最新的面部操作方法，進行操作的1,000多個原始剪輯，以及包含從真實圖像構(gòu)建的混合圖像。

他們評估了Face X-Ray歸納四個數(shù)據(jù)集的能力，包括上述Face Forensics++語料庫的一個子集；Google發(fā)布的數(shù)千個視覺deep fake視頻集合，deep fake用于檢測挑戰(zhàn)賽的圖像；以及Celeb-DF，一個包含408個真實視頻和795個合成視頻且視覺偽影減少的語料庫結(jié)果顯示，F(xiàn)ace X-Ray可以快速地識別出之前未被找出的偽造圖片，并準(zhǔn)確地預(yù)測出圖片混合區(qū)域。

繼續(xù)閱讀：流程自動化   RPA   AI

未經(jīng)允許不得轉(zhuǎn)載：RPA中國 | RPA全球生態(tài) | 數(shù)字化勞動力 | RPA新聞 | 推動中國RPA生態(tài)發(fā)展 | 流 > 微軟研究院聯(lián)合北京大學(xué)，推出可檢測面部偽造的AI工具Face X-Ray