DeepFakes深度造假,AI换脸的技术原理是什么?

2023-12-17 17:18

本文主要是介绍DeepFakes深度造假,AI换脸的技术原理是什么?,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

目录

什么是DeepFakes深度造假

DeepFakes深度造假是怎么做出来的?

行业在检测DeepFakes深度造假方面的进展

邪不胜正


什么是DeepFakes深度造假


DeepFakes深度造假实际上是一种人脸交换技术,顾名思义,也就是在图像或视频中把一张脸替换成另一张脸。事实上,人脸交换技术在电影制作领域已经不是个新鲜词了,但是之前电影视频中的人脸交换技术非常复杂,专业的视频剪辑师和CGI专家需要花费大量时间和精力才能完成视频中的人脸交换。


DeepFakes深度造假的出现可以说是人脸交换技术的一个突破。利用DeepFakes技术,你只需要一个GPU和一些训练数据,就能够制作出以假乱真的换脸视频。


这可以说是一个非常了不起的突破了,因为你只需要把上百张人物的样图输入至一个算法,就能完成人脸交换,制作出非常逼真的视频效果。就算你是个对视频剪辑一窍不通的外行,也能做到这样。


DeepFakes的出现还意味着我们可以在视频中进行大规模的“换脸”。我们大多数人都曾经把自己的照片上传到网络上,因此,我们大多数人的脸都能够轻易地被替换到一些视频中,成为视频的“主角”, 凭空捏造一个人根本没有干过的事。不得不说,这是件非常可怕的事情。


DeepFakes深度造假,不仅影响企业、名人,对普通人的生活、工作也产生很大的威胁。随着技术的发展,造假的程度越来越厉害,罪犯能够改变故事背景,降低甚至扭曲我们在网上看到的信息的真实性。 随着DeepFakes深度造假技术大约每六个月翻一番,如何识别DeepFakes深度造假问题变得愈发急迫。


DeepFakes深度造假是怎么做出来的?


DeepFakes深度造假视频通常使用变分自动编码器 (VAE) 和面部识别算法。图像被编码成低维表示,然后再由经过训练的VAEs解码成图像。
举个例子:

  • 有人想为超级碗 (Super Bowl) 广告制作一段明星的DeepFakes深度造假视频
  • 技术人员使用一个自动编码器,该编码器对明星的面部图像进行训练,另一个则对各种面部图像进行训练
  • 每个自动编码器的训练集可通过在视频上部署人脸识别算法来选择,视频可以捕捉各种姿势和光照环境
  • 训练结束后,两个独立的编码器结合在一起,在另一个人的身体上仿制出一段带有演员面孔的真实视频


行业在检测DeepFakes深度造假方面的进展


辨识媒体操纵是一项技术挑战,需要跨行业合作。近年来,以研究为导向的倡议一直在传播,旨在自动检测DeepFakes深度造假的各种表现形式,而这些表现形式人类很难识别。


AWS、微软 (Microsoft)、脸书 (Facebook)、人工智能合作组织 (Partnership on AI) 和学者联合发起了DeepFake检测挑战赛,给全球研究人员提供100万美元的奖金,支持创新技术的开发。一共有2000多名参赛人员,共计生成了35000多个DeepFakes深度造假检测模型。


Detect Fakes(造假检测)是麻省理工学院 (MIT) 的一项研究倡议,旨在努力对抗人工智能的错误信息,并推出了一些让参与者实践,看看他们是否能从真实视频中辨别出DeepFake。


加州大学伯克利分校 (UC Berkeley) 和斯坦福大学 (Stanford) 的研究人员,发明了一种人工智能驱动的方法来检测假唱技术,通过了解人们的嘴型和说话时声音之间的不一致,可以识别80%的假唱。


微软发布了一款深度商业造假检测工具,该工具可分析视频帧,并生成一个软件可信度评分,验证视频帧是真实的还是人工智能造假的。在2020年美国大选中,这项技术派上了用场。


来自英特尔和宾厄姆顿大学的图形和图像计算实验室的研究团队开发了一种工具,该工具利用生物信号和数据来识别和分类DeepFakes深度造假,准确率高达96%。该工具基于的想法是,虽然面部视频可以合成,但是以像素颜色变化表现的细微生理信号,包括心率波动和血流等信息,这些信息是无法轻易复制的。


尽管用于识别DeepFakes深度造假的创新正在涌现,但大多处于研究或开发阶段,她们还有很长的路要走。


邪不胜正


人工智能是一项颠覆性的技术,它可以被坏人利用,用来造假,也可以被好人使用,用于检测DeepFakes深度造假,不允许坏人通过DeepFakes深度造假来对个人、企业、社会造成威胁。随着DeepFakes深度造假日益猖獗,人工智能检测技术将是降低数据操纵风险的关键。


掌握人工智能检测DeepFakes深度造假技术,需要技术人员掌握Keras和TensorFlow的深度学习技术、机器学习技术。通过学习,你将掌握Deep Learning的概念和使用Keras和TensorFlow框架的模型,并精通深度学习算法,为成为一名专业的AI工程师做好准备。

这篇关于DeepFakes深度造假,AI换脸的技术原理是什么?的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/505182

相关文章

Spring AI集成DeepSeek的详细步骤

《SpringAI集成DeepSeek的详细步骤》DeepSeek作为一款卓越的国产AI模型,越来越多的公司考虑在自己的应用中集成,对于Java应用来说,我们可以借助SpringAI集成DeepSe... 目录DeepSeek 介绍Spring AI 是什么?1、环境准备2、构建项目2.1、pom依赖2.2

Deepseek R1模型本地化部署+API接口调用详细教程(释放AI生产力)

《DeepseekR1模型本地化部署+API接口调用详细教程(释放AI生产力)》本文介绍了本地部署DeepSeekR1模型和通过API调用将其集成到VSCode中的过程,作者详细步骤展示了如何下载和... 目录前言一、deepseek R1模型与chatGPT o1系列模型对比二、本地部署步骤1.安装oll

Java深度学习库DJL实现Python的NumPy方式

《Java深度学习库DJL实现Python的NumPy方式》本文介绍了DJL库的背景和基本功能,包括NDArray的创建、数学运算、数据获取和设置等,同时,还展示了如何使用NDArray进行数据预处理... 目录1 NDArray 的背景介绍1.1 架构2 JavaDJL使用2.1 安装DJL2.2 基本操

最长公共子序列问题的深度分析与Java实现方式

《最长公共子序列问题的深度分析与Java实现方式》本文详细介绍了最长公共子序列(LCS)问题,包括其概念、暴力解法、动态规划解法,并提供了Java代码实现,暴力解法虽然简单,但在大数据处理中效率较低,... 目录最长公共子序列问题概述问题理解与示例分析暴力解法思路与示例代码动态规划解法DP 表的构建与意义动

Spring AI Alibaba接入大模型时的依赖问题小结

《SpringAIAlibaba接入大模型时的依赖问题小结》文章介绍了如何在pom.xml文件中配置SpringAIAlibaba依赖,并提供了一个示例pom.xml文件,同时,建议将Maven仓... 目录(一)pom.XML文件:(二)application.yml配置文件(一)pom.xml文件:首

SpringBoot整合DeepSeek实现AI对话功能

《SpringBoot整合DeepSeek实现AI对话功能》本文介绍了如何在SpringBoot项目中整合DeepSeekAPI和本地私有化部署DeepSeekR1模型,通过SpringAI框架简化了... 目录Spring AI版本依赖整合DeepSeek API key整合本地化部署的DeepSeek

MySQL中的MVCC底层原理解读

《MySQL中的MVCC底层原理解读》本文详细介绍了MySQL中的多版本并发控制(MVCC)机制,包括版本链、ReadView以及在不同事务隔离级别下MVCC的工作原理,通过一个具体的示例演示了在可重... 目录简介ReadView版本链演示过程总结简介MVCC(Multi-Version Concurr

PyCharm接入DeepSeek实现AI编程的操作流程

《PyCharm接入DeepSeek实现AI编程的操作流程》DeepSeek是一家专注于人工智能技术研发的公司,致力于开发高性能、低成本的AI模型,接下来,我们把DeepSeek接入到PyCharm中... 目录引言效果演示创建API key在PyCharm中下载Continue插件配置Continue引言

Go中sync.Once源码的深度讲解

《Go中sync.Once源码的深度讲解》sync.Once是Go语言标准库中的一个同步原语,用于确保某个操作只执行一次,本文将从源码出发为大家详细介绍一下sync.Once的具体使用,x希望对大家有... 目录概念简单示例源码解读总结概念sync.Once是Go语言标准库中的一个同步原语,用于确保某个操

Redis主从/哨兵机制原理分析

《Redis主从/哨兵机制原理分析》本文介绍了Redis的主从复制和哨兵机制,主从复制实现了数据的热备份和负载均衡,而哨兵机制可以监控Redis集群,实现自动故障转移,哨兵机制通过监控、下线、选举和故... 目录一、主从复制1.1 什么是主从复制1.2 主从复制的作用1.3 主从复制原理1.3.1 全量复制