ابتکار جدید دانشمندان برای تشخیص تصاویر جعلی: چشمان شما دیپ فیک را لو می‌دهند!

توسط سمیرا گلکار
2 دقیقه
دیپ فیک

محققان دانشگاه بوفالو (یک دانشگاه ایالتی در نیویورک) یک ابزار هوش مصنوعی جدید ساختند که امکان تشخیص عکس‌های تولید شده توسط فناوری دیپ فیک را با دقت 94 درصد فراهم می‌کند. در این تکنیک برای تشخیص تصاویر جعل شده از الگوهای انعکاس نور قرنیه چشم شخص در عکس‌ها استفاده می‌شود که باید با هم یکسان باشد نه متفاوت.

قرنیه چشم سطحی شبیه به آینه دارد که الگوی انعکاس ایجاد شده در اثر برخورد نور محیط به آن به یک شکل است. در تصاویر واقعی، چشم‌های انسان همیشه یک الگوی انعکاسی تقریباً یکسان دارد. اما در عکس‌های دیپ فیک که توسط شبکه‌های مولد تخاصمی (به اختصار GAN) ساخته می‌شود معمولاً این الگو به خوبی رعایت نمی‌شود و روی هر قرنیه انعکاس‌هایی متفاوت و نامسنجم ایجاد می‌شود که گاهی اوقات حتی محل قرار گیری آنها هم با هم تطبیق ندارد.

106341604 1579261030301thumbnailreports deepfakevideo clean 03

این ابزار هوش مصنوعی از چهره نقشه برداری کرده، انعکاس نور در هر چشم را تحلیل کرده و بعد یک امتیاز مشابهت تولید می‌کند که احتمال واقعی بودن تصویر را تخمین می‌زند. هر چقدر این امتیاز کمتر باشد، احتمال دیپ فیک بودن عکس بیشتر است. کارایی این ابزار در تحلیل تصاویر سایت  This Person Does Not Exist (این شخص وجود خارجی ندارد) که پر از عکس‌های جعلی است، ثابت شده است.

اما دانشمندانی که این ابزار را طراحی کرده اند اعلام کردند که این ابزار محدودیت‌هایی دارد که مهم ترین آنها متکی بودن آن به بازتاب نور یک منبع نور در هر دو چشم است. اگر چشمان شخص در حال چشمک زدن یا پلک زدن باشد، این ابزار کار نمی‌کند، همچنین در مواقعی که شخص مستقیماً به دوربین نگاه نکند و کارایی آن فقط بر روی تصاویر پرتره مشخص شده است. بعلاوه، اگر شخصی در زمینه کار با ابزارهای فتوشاپ تبهر زیادی داشته باشد، می‌تواند این تناقض‌ها را از بین ببرد و به این ترتیب این ابزار کارایی خودش را از دست می‌دهد.

letters 1948

با وجود محدودیت‌های این ابزار، می‌توان آن را گامی رو به جلو برای چنین فناوری‌هایی دانست. هنوز چنین ابزاری قادر به تشخیص تصاویر دیپ فیک بسیار پیچیده نیست اما می‌تواند موارد ساده تر را تشخیص دهد و پایه و اساس لازم برای ابزارهای تشخیص قدرتمندتر را در آینده شکل دهد تا قابلیت‌های فعلی که در زمینه تشخیص ویدیو و صدای جعلی وجود دارد را تکمیل تر کند.

مطالب مرتبط

دیدگاه شما چیست؟