Deepfake może anonimizować ludzi w filmach, zachowując ich osobowość

Kategoria: Sztuczna inteligencja Opublikowany 17 września

Sztuczna inteligencja może generować twarze, które pasują do wyrazu twarzy anonimowych podmiotów, aby zapewnić im prywatność — bez utraty zdolności do wyrażania siebie.

Wiadomości: Nowa technika wykorzystuje generatywne sieci adwersarzy (GAN), technologię stojącą za deepfake, do anonimizacji kogoś na zdjęciu lub filmie.

Jak to działa: Algorytm wydobywa informacje o wyrazie twarzy osoby, znajdując pozycję oczu, uszu, ramion i nosa. Następnie wykorzystuje GAN, wyszkolony w bazie danych zawierającej 1,5 miliona zdjęć twarzy, aby stworzyć zupełnie nową twarz o tym samym wyrazie i wkomponować ją w oryginalne zdjęcie, zachowując to samo tło.

Usterka: Opracowana przez naukowców z Norweskiego Uniwersytetu Nauki i Technologii technika jest nadal wysoce eksperymentalna. Działa na wielu typach zdjęć i twarzy, ale nadal wyskakuje, gdy twarz jest częściowo zasłonięta lub obrócona pod określonym kątem. Technika jest również bardzo usterka na wideo.

Inna praca: To nie jest pierwsza technika anonimizacji twarzy oparta na sztucznej inteligencji. Papier w lutym od naukowców z University of Albany wykorzystali głębokie uczenie, aby przeszczepić kluczowe elementy mimiki osoby komuś innemu. Ta metoda wymagała od wyrażającego zgodę ofiarodawcy przedstawienia swojej twarzy jako nowego płótna dla wyrazów twarzy.

Dlaczego jest to ważne: Anonimizacja twarzy służy do ochrony tożsamości kogoś, na przykład informatora, na zdjęciach i materiałach filmowych. Jednak tradycyjne techniki, takie jak rozmycie i pikselowanie, mogą być niekompletne (tj. tożsamość osoby można tak czy inaczej odkryć) lub całkowicie pozbawić ją osobowości (tj. poprzez usunięcie wyrazu twarzy). Ponieważ GAN w ogóle nie wykorzystują oryginalnej twarzy podmiotu, eliminują ryzyko wystąpienia poprzedniego problemu. Mogą również odtwarzać mimikę twarzy w wysokiej rozdzielczości, oferując w ten sposób rozwiązanie tego drugiego.

Nie zawsze zły facet: Technika ta pokazuje również nową propozycję wartości dla sieci GAN, które zyskały złą reputację za obniżanie bariery w wytwarzaniu przekonujących dezinformacji . Chociaż badanie to ograniczało się do mediów wizualnych, co za tym idzie, pokazuje, w jaki sposób GAN można również zastosować do dźwięku w celu anonimizacji głosów.