本文主要是介绍悬赏1000万美元，打假AI换脸！Facebook发起Deepfakes检测挑战赛，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！
【导读】近日，Facebook宣布启动一项“Deepfake视频检测挑战赛”，壕掷1000万美元，悬赏能够最好地检测出利用Deepfake技术制造的假视频，包括微软、MIT、牛津大学，加州大学伯克利分校等业界学界联合支持。
Facebook宣布了一项名为Deepfake Detection Challenge（DFDC）的挑战赛，壕掷1000万美元，悬赏能够最好地检测出利用Deepfake技术制造的假视频。
Facebook的首席技术官Mike Schroepfer表示，挑战的目标是“创造出每个人都可以使用的技术，以便更好地检测AI何时被用来改变视频以误导观众。”
Deepfake检测挑战赛将包括一个数据集和排行榜，以及拨款和奖励，以刺激行业创造新的方式来检测和防止通过AI操纵的媒体被用来误导他人。
悬赏1000万美元，挑战赛获学界支持
Yann LeCun 曾在 Twitter 上提问：
讲真，要是当初知道卷积神经网络 (CNN) 会催生 DeepFake，我们还要不要发表 CNN？
他说：“假设在上世纪 80 年代那时我们能够预见 CNN 的这些负面影响，我们该不该把 CNN 模型保密不公开呢？”
LeCun最后的结论是，就算自己不开源，CNN (或者类似的东西) 还是会被其他人发明出来 (实际上，有些人可以说差不多已经做到了)。
既然已经开源，并且已经导致了负面影响，思考如何阻止和对抗这些负面影响更有价值。
这次，Facebook投入了超过1000万美元来资助这项全行业的努力。
为了确保数据集和挑战参数的质量，这些参数最初将在今年10月的国际计算机视觉会议（ICCV）上通过有针对性的技术工作会议进行测试。
完整的数据集发布和DFDC发布将于今年12月召开的神经信息处理系统会议（NeurIPS）上发布。Facebook也将参与挑战，但不接受任何经济奖励。
有“换脸”就有“反换脸”，越来越多的研究人员在努力寻找准确识别 Deepfake 的假视频的方法。
最迫切希望攻破Deepfake的是美国国防部DAPRA，他们发起Media Forensics项目(简称MediFor)，资助研发一系列自动化工具来辨识被ps的图片、Deepfake伪造的视频、等等。
他们的第一个成果是一款“反换脸”AI刑侦工具，主要由纽约州立大学奥尔巴尼分校的研究人员开发技术，通过有效地预测眼睛的状态，准确率达到 99%。
研究人员发现，Deepfake假视频里的人物极少眨眼，甚至不会眨眼，因为它们都是使用睁眼的照片进行训练的。利用这些细微的线索，可以检测出图像或视频中的脸是真实的还是 AI 生成的。
早期的 Deepfake 生成的假视频缺陷明显，比如人物说话时从不眨眼，现在这个缺陷已被修复
然而，这一工具来不及实用化就被宣告无效了——早期的Deepfake视频远远算不上完美，存在各种容易发现的缺陷，比如不眨眼。但 Deepfake 技术的发展速度非常惊人，假视频中人物从不眨眼的缺陷很快得到了改善，生成的假视频变得越来越逼真可信。
最近，来自加州大学伯克利分校和南加州大学的研究人员在“以AI攻AI”的这场战斗中开发了出了新的武器，可以更加准确地识别伪造的视频。研究人员利用前总统奥巴马的现有视频，使用类似的过程来创建假视频，训练 AI 来寻找每个人的 “软性生物识别” 标签。
图 2. 从上到下依次是原始视频，嘴唇同步 Deepfake 假视频、喜剧模仿视频、换脸 Deepfake 和木偶大师 deepfake 的 10 秒视频剪辑的五个示例帧。
这听起来很复杂，其实并不陌生。每当我们开口说话时，都会以微妙但独特的方式来移动身体，我们的头、手、眼睛甚至嘴唇都会产生这样的运动。这一切都是在潜意识里完成的，你没有意识到你的身体正在做这件事，大脑也没有立刻意识到身体其他部位的运动发生在何时，但从结果上看，这是目前 Deepfake 在创造假视频时的时候没有考虑到的因素。
在实验中，这款新的 AI 准确发现伪造视频的几率达到了 92%，实验对象包括使用多种技术创建的假视频，以及由于视频文件被过度压缩导致图像质量下降的视频。
不过，研究人员也发现，该方法的适用性容易受到人们说话的不同背景的影响（直面镜头正式讲话，与不看镜头的现场采访），解决这些局限仍需要更多的研究。
现在，Facebook、微软、MIT、UC伯克利等业界和学校联合发起的这项Deepfake 检测挑战赛，无疑将进一步推进“反换脸”的进步，有兴趣的同学快去参与。
这篇关于悬赏1000万美元，打假AI换脸！Facebook发起Deepfakes检测挑战赛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！
