首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

微软北大造出超逼真AI换脸框架,顺便搞了个伪人脸检测器,网友:自造矛和盾?

以 Deepfake 为代表的 AI 换脸技术营造出的“以假乱真”的效果让人感到细思极恐,不过现有的一些生成工具还不能达到完全逼真的换脸效果,有的存在不少破绽,有的换脸效果很不自然,能轻易让人识别出来。近日,微软和北大的研究人员提出了一种新的 AI 换脸框架— FaceShifter,其能够大大提高换脸的高保真度。AI 换脸技术在爆红的同时也伴随着因滥用带来的隐忧,研究团队还提出了一种检测伪造人脸图像的方法—Face X-Ray,能够检测出复杂的伪造人脸图像。

近日,微软研究院和北京大学的研究团队发表了2篇学术论文,一篇关于生成高保真图像且能识别遮挡物的人脸交换框架— FaceShifter,另一篇关于检测伪造人脸图像的方法——Face X-Ray。

研究人员表示,这两项技术优于以前许多同类技术,所需数据也更少,且不会以牺牲性能代价。

微软的FaceShifter与现有方法对比

据了解,FaceShifter能用源图像中的人替换掉目标图像中的人,同时保留了头部姿态、面部表情、光线、颜色、强度、背景和其他特征。但像Reflect和FaceSwap这样的应用程序声称也可以准确地做到这一点,但是微软论文的合著者表示,FaceShifter对姿势和视角变化更加敏感。

FaceShifter通过生成式对抗网络(GAN)来提高人脸交换的保真度,自适应嵌入集成网络(AEI-Net)是一款由一个生成器组成的AI模型,该生成器的作用是迷惑鉴别器,让鉴别器把合成的样本归类为真实样本。它可以在不同空间分辨率中提取属性。

值得一提的是,AEI-Net整合了研究人员所称的注意力非正规化(AAD)层,该层可自适应地学习在哪里整合面部属性,而单独的模型“启发式错误识别细化网络(HEAR-Net)”,则利用了重建图像与其输入之间的差异来识别斑点遮挡。

来自FaceShifter上的示例

再来单独感受下周杰伦“换脸”的过程~

微软的研究团队表示,在定性测试中,FaceShifter 保留了人脸轮廓,并准确地还原了目标的光线和图像分辨率。此外,即使是从互联网上抓取的“陌生面孔”,该框架也学会了在不依赖人工标注数据的情况下恢复异常区域——包括眼镜、阴影和反射效果,以及其他遮挡物。

研究小组称,“这款框架在生成逼真的人脸图像方面表现优异。大量实验表明,该框架明显优于以前的人脸交换方法。”

与现有的框架不同的是,FaceShifter不需要事先了解操作方法,也不用人工监督。相反,它生成灰度图像,提示给定输入图像是否能分解成不同来源的两张图片的混合。研究小组表示,这是可行的,因为大多数面部处理方法都有一个共同的步骤,那就是将改变过的脸部混合到现有的背景图像中。在混合过程中,每幅图像都夹杂着各自独特的标记,这些标记要么来自硬件(如传感器和透镜),要么来自软件组件(如压缩和合成算法),而且这些标记与整幅图像趋于融合。

我们再来说一说Face X-Ray。Face X-Ray不需要依赖与人脸“造假技术”相关的知识,并且,Face X-Ray的算法可以在不通过任何方法生成伪图像的情况下进行训练。

与FaceShifter不同的是,Face X-Ray的作用是用于检测伪造的虚假头像。目前,伪造头像被滥用的情况横行网络。去年6月,一份报告显示,一名间谍利用AI生成的个人资料图片欺骗了LinkedIn上的联系人,同年12月,Facebook发现了数百个利用AI合成的假脸作头像的虚假账户。研究人员表示,确实需要像Face X-Ray这样的工具来检测深度伪造的图像。

FaceForensics ++是一个大型视频语料库,其中包含四种使用先进人脸操作方法操作的1000多个原始剪辑。研究人员在FaceForensics ++上对Face X-Ray进行了训练。研究人员评估了Face X-Ray归纳四个数据集的能力,其中包括FaceForensics ++语料库的一个子集;Google发布的上千个可视化Deepfake视频;来自Deepfake检测挑战的图像; 以及一个包含408个真实视频和795个合成视频的语料库Celeb-DF。

结果表明,Face X-Ray能够分辨出以前从未见过的伪造图像,并能准确地预测混合区域。该团队指出,他们的方法是针对混合图像的,因此,它可能不适用于完全合成的图像,可能被对抗样本骗过。暂且撇开这个不谈,研究团队认为,这是迈向伪造人脸检测的重要一步。

原文链接:

https://venturebeat.com/2020/01/06/microsoft-researchers-propose-face-swapping-ai-and-face-forgery-detector/

论文链接:

FaceShifter:https://arxiv.org/pdf/1912.13457.pdf

Face X-ray:https://arxiv.org/pdf/1912.13458.pdf

  • 发表于:
  • 本文为 InfoQ 中文站特供稿件
  • 首发地址https://www.infoq.cn/article/zgPGpz1GDGJ46NrhOyaz
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

相关快讯

扫码

添加站长 进交流群

领取专属 10元无门槛券

私享最新 技术干货

扫码加入开发者社群
领券