此前DeepFake換臉在全球引發(fā)軒然大波。從生成足以以假亂真的名人不雅視頻開始，很多使用者將這個(gè)“換臉神器”當(dāng)成了視頻造假工具，并通過(guò)社交網(wǎng)絡(luò)將虛假信息傳播到全世界。DeepFake等技術(shù)出現(xiàn)不僅提升了換臉的真實(shí)性，其開放源代碼的方式更是降低了將該等技術(shù)濫用于虛假信息制作和傳播門檻。

　　事實(shí)上，大約30%經(jīng)過(guò)AI換臉的合成照片、合成視頻是人類僅憑肉眼無(wú)法識(shí)別的，很容易被當(dāng)作真實(shí)信息進(jìn)行再次傳播。這已成為一個(gè)亟待解決的社會(huì)性問(wèn)題，面對(duì)這個(gè)問(wèn)題，我們應(yīng)該以及可以做些什么?微軟亞洲研究院給出了解決方案。

　　除了DeepFake，市場(chǎng)上存在多種換臉技術(shù)，不同算法生成的圖像結(jié)果千差萬(wàn)別，難以使用同一個(gè)換臉鑒別模型解決所有換臉技術(shù)的進(jìn)攻。與此同時(shí)，換臉鑒別模型還需要對(duì)目前不存在、但未來(lái)可能出現(xiàn)的換臉技術(shù)也具有判別力，如何去預(yù)測(cè)未來(lái)?yè)Q臉技術(shù)的發(fā)展方向，提前布防，也是重要課題。

　　目前，最常被使用的AI換臉?biāo)惴ㄓ腥N：DeepFake、FaceSwap和Face2Face。其中，DeepFake基于大家所熟知的GAN技術(shù)，對(duì)于它所生成的臉，人類的識(shí)別率大約為75%*。FaceSwap是一個(gè)學(xué)習(xí)重建臉部特征的深度學(xué)習(xí)算法，可以對(duì)給出的圖片進(jìn)行模型替換，人類對(duì)于此類換臉的識(shí)別率也是75%左右*。Face2Face則是用其他真實(shí)的人臉去替換原本的人臉，不涉及人臉的生成，對(duì)于它制造的臉，人類的識(shí)別率只有41%*。作為目前學(xué)術(shù)界最大的合成視頻數(shù)據(jù)庫(kù)之一，由慕尼黑技術(shù)大學(xué)創(chuàng)建的FaceForensics數(shù)據(jù)庫(kù)涵蓋了經(jīng)過(guò)以上三種換臉?biāo)惴ň庉嫷墓_視頻，以供學(xué)術(shù)研究使用。

　　多年來(lái)，微軟亞洲研究院在人臉識(shí)別、圖像生成等方向都擁有業(yè)界領(lǐng)先的算法和模型。在CVPR 2018上，微軟亞洲研究院視覺(jué)計(jì)算組發(fā)表了論文“Towards Open-Set Identity Preserving Face Synthesis”，其中的技術(shù)能夠利用開放數(shù)據(jù)集中的數(shù)據(jù)，逼真地合成保留圖中人臉身份信息的圖像。深厚的技術(shù)積累讓研究員們對(duì)“進(jìn)攻方”的技術(shù)原理有著更深刻的理解，進(jìn)而能夠更有針對(duì)性地研發(fā)換臉鑒別算法。

　　圖1：微軟亞洲研究院開發(fā)的模型分別提取蒙娜麗莎和赫本圖片中的身份信息和屬性信息進(jìn)行合成

　　因此，微軟亞洲研究院研發(fā)的換臉鑒別算法，基于FaceForensics數(shù)據(jù)庫(kù)的測(cè)試結(jié)果均超越了人類肉眼的識(shí)別率以及此前業(yè)界的最好水平*：對(duì)于DeepFake的識(shí)別率達(dá)到了99.87%，對(duì)于FaceSwap的識(shí)別率為99.66%，對(duì)于Face2Face的識(shí)別率為99.67%。

　　表1：針對(duì)已知換臉?biāo)惴ǖ淖R(shí)別測(cè)試結(jié)果

　　更重要的是，一般的換臉鑒別方案需要針對(duì)每一種換臉?biāo)惴ㄑ邪l(fā)專門的換臉鑒別模型，想要鑒別一張圖像的真?zhèn)?，需要逐個(gè)嘗試所有模型。微軟亞洲研究院的算法則可以用一個(gè)通用模型，去鑒別不同類型的換臉?biāo)惴ㄋ圃斓哪?。與此同時(shí)，研究員還對(duì)人臉合成時(shí)難以處理的細(xì)節(jié)進(jìn)行檢查，如眼鏡、牙齒、頭發(fā)邊緣、臉部輪廓，將它們作為算法關(guān)注的重點(diǎn)，從而提高識(shí)別準(zhǔn)確率。相比其他同類技術(shù)，來(lái)自微軟亞洲研究院的換臉鑒別算法很好地解決了應(yīng)對(duì)動(dòng)態(tài)幅度大、有遮擋、有表情變化的圖像的難題。

　　除了準(zhǔn)確識(shí)別已知算法合成的圖像，換臉鑒別的另一大挑戰(zhàn)是應(yīng)對(duì)尚未出現(xiàn)的新算法。將現(xiàn)有的換臉鑒別算法直接用于新算法時(shí)，它們的有效性往往會(huì)顯著下降。為此，微軟亞洲研究院提出了一種通用換臉鑒別方法。為了更好地考察這一算法對(duì)未知換臉?biāo)惴ǖ蔫b別能力，研究團(tuán)隊(duì)用真實(shí)圖像對(duì)模型進(jìn)行了訓(xùn)練，再讓其辨別多種未知換臉?biāo)惴ㄉ傻膱D像。實(shí)驗(yàn)結(jié)果表明，與基線算法相比，新算法對(duì)各類換臉?biāo)惴ǖ淖R(shí)別率均有大幅提升。隨著研究團(tuán)隊(duì)對(duì)模型的進(jìn)一步優(yōu)化，通用鑒別模型一定能越來(lái)越精確地幫助我們應(yīng)對(duì)新算法所帶來(lái)的問(wèn)題和挑戰(zhàn)。

　　表2：針對(duì)未知換臉?biāo)惴ǖ淖R(shí)別測(cè)試結(jié)果

　　在微軟看來(lái)，要構(gòu)建可信賴的AI，必須遵循以下六大原則：公平、可靠和安全、隱私、包容、透明、責(zé)任。微軟內(nèi)部還成立了人工智能倫理道德委員會(huì)(AETHER)，幫助微軟應(yīng)對(duì)AI帶來(lái)的倫理和社會(huì)影響。

特別提醒：本網(wǎng)內(nèi)容轉(zhuǎn)載自其他媒體，目的在于傳遞更多信息，并不代表本網(wǎng)贊同其觀點(diǎn)。其原創(chuàng)性以及文中陳述文字和內(nèi)容未經(jīng)本站證實(shí)，對(duì)本文以及其中全部或者部分內(nèi)容、文字的真實(shí)性、完整性、及時(shí)性本站不作任何保證或承諾，并請(qǐng)自行核實(shí)相關(guān)內(nèi)容。本站不承擔(dān)此類作品侵權(quán)行為的直接責(zé)任及連帶責(zé)任。如若本網(wǎng)有任何內(nèi)容侵犯您的權(quán)益，請(qǐng)及時(shí)聯(lián)系我們，本站將會(huì)在24小時(shí)內(nèi)處理完畢。