先進(jìn)的AI和機(jī)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(jìn)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(shí)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(dá)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(gè)人的臉，同時(shí)保留了頭部姿勢，面部表情，光線，顏色，強(qiáng)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(qiáng)度等因素進(jìn)行了破壞無法達(dá)到自然融合的效果。

Face Shifter通過生成對抗網(wǎng)絡(luò)（GAN）來增強(qiáng)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(shí)樣本，可自適應(yīng)嵌入集成網(wǎng)絡(luò)（AEI-Net）。創(chuàng)新點(diǎn)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(cuò)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(shí)例

研究人員表示，在一項(xiàng)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(gè)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(gè)有問題的賬號，其中包含使用AI合成的假臉的個(gè)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(gè)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(shí)，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(jìn)行訓(xùn)練。研究人員在Face Forensics ++上對Face X-Ray進(jìn)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(jìn)行操作的1,000多個(gè)原始剪輯，以及包含從真實(shí)圖像構(gòu)建的混合圖像。

他們評估了Face X-Ray歸納四個(gè)數(shù)據(jù)集的能力，包括上述Face Forensics++語料庫的一個(gè)子集；Google發(fā)布的數(shù)千個(gè)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(gè)包含408個(gè)真實(shí)視頻和795個(gè)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(shí)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(dòng)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(dòng)力 | RPA新聞 | 推動(dòng)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