Deepfakes varētu anonimizēt cilvēkus videoklipos, vienlaikus saglabājot viņu personību

Kategorija: Mākslīgais intelekts Ievietots 17. septembris

AI varētu ģenerēt sejas, kas atbilst anonīmu subjektu izteiksmēm, lai nodrošinātu viņiem privātumu, nezaudējot spēju izteikties.

Ziņas: Jauna tehnika izmanto ģeneratīvos pretrunīgos tīklus (GAN), tehnoloģiju, kas ir pamatā dziļiem viltojumiem, lai anonimizētu kādu fotoattēlā vai videoklipā.

Kā tas strādā: Algoritms iegūst informāciju par cilvēka sejas izteiksmi, atrodot acu, ausu, plecu un deguna stāvokli. Pēc tam tas izmanto GAN, kas apmācīts datu bāzē, kurā ir 1,5 miljoni sejas attēlu, lai izveidotu pilnīgi jaunu seju ar tādu pašu izteiksmi un sapludinātu to sākotnējā fotoattēlā, saglabājot to pašu fonu.

Kļūme: Metode, ko izstrādājuši Norvēģijas Zinātnes un tehnoloģijas universitātes pētnieki, joprojām ir ļoti eksperimentāla. Tas darbojas uz daudzu veidu fotoattēliem un sejām, taču joprojām tiek aktivizēts, ja seja ir daļēji aizsegta vai pagriezta noteiktā leņķī. Tehnika arī ļoti neglīts video.

Citi darbi: Šī nav pirmā uz AI balstītā sejas anonimizācijas tehnika. Papīrs februārī Olbanijas universitātes pētnieki izmantoja dziļo mācīšanos, lai pārstādītu kādam citam subjekta sejas izteiksmes galvenos elementus. Šī metode prasīja, lai donora piekrišana piedāvātu savu seju kā jauno izteiksmju audeklu.

Kāpēc tas ir svarīgi: Sejas anonimizācija tiek izmantota, lai aizsargātu kādas personas, piemēram, trauksmes cēlēja, identitāti fotoattēlos un materiālos. Taču tradicionālie paņēmieni, piemēram, izplūšana un pikseļu veidošana, riskē būt nepilnīgi (t.i., personas identitāti var atklāt jebkurā gadījumā) vai pilnībā atdalīt personas personību (t.i., noņemot sejas izteiksmes). Tā kā GAN vispār neizmanto subjekta sākotnējo seju, tie novērš jebkādu iepriekšējās problēmas risku. Viņi var arī atkārtoti izveidot sejas izteiksmes augstā izšķirtspējā, tādējādi piedāvājot risinājumu pēdējai.

Ne vienmēr sliktais puisis: Šis paņēmiens arī demonstrē jaunu vērtības piedāvājumu GAN, kas ir izveidojuši sliktu reputāciju, samazinot šķēršļus pārliecinošas dezinformācijas radīšanai. Lai gan šis pētījums aprobežojās ar vizuālajiem medijiem, tas parāda, kā GAN var izmantot arī audio, lai anonimizētu balsis.