(图自: 加州大学河滨分校, via New Atlas)
研究期间, 团队向他们的深度神经网络投喂了大量的篡改和非篡改照片数据集, 并对其作出相应的计算机标记.
自被篡改的图片中, 团队突出显示了被数字化添加到镜头中的对象的边界像素. 此前已有研究人员证实, 伪造照片的不寻常物体边界, 会较真实物体更加平滑或有所不同.
虽然人眼不一定能够检测到这些差异, 但计算机可以对异常像素进行逐个的检查, 然后将标记的数据集输入深度神经网络.
这是一套模拟人脑的松散建模算法, 旨在识别原始数据中的模式. 基于此, 该深度神经网络将学会识别数字添加进去的图像指示边界.
当它随后显示来自数据集外部, 此前没见过的照片时, 就能够在很大程度上辨别出经过 Deepfakes 伪造的照片.
需要指出的是, 尽管这套系统目前仅适用于静态照片, 但团队正在努力将其应用于视频的鉴别. 毕竟视频的本质, 就是一帧帧的连续图像.
当然, 在投入实际试用后, 这套深度神经网络也可能永远都做不到 100% 的识别准确率, 毕竟训练数据及都是被研究人员有意标识过的.
有关这项研究的详情, 已经发表在近日出版的《IEEE Transactions on Image Processing》影像处理期刊上. 原标题为:
《Hybrid LSTM and Encoder-Decoder Architecture for Detection of Image Forgeries》
来源: http://ai.51cto.com/art/201907/599930.htm