在某位開發者打開了 Deepfakes 的潘多拉魔盒之後，以假亂真的人工智慧偽造照片技術，已經引發了各界的廣泛爭論。
好訊息是，加州大學河濱分校 Amit K. Roy-Chowdhury 教授帶領的一支研究團隊，已經開發出了一套高水準的深度神經網路，能夠分析一張照片是否經由 DeepFakes 偽造。
（圖自：加州大學河濱分校，via New Atlas）
研究期間，團隊向他們的深度神經網路投餵了大量的篡改和非篡改照片資料集，並對其作出相應的計算機標記。
自被篡改的圖片中，團隊突出顯示了被數字化新增到鏡頭中的物件的邊界畫素。此前已有研究人員證實，偽造照片的不尋常物體邊界，會較真實物體更加平滑或有所不同。
雖然人眼不一定能夠檢測到這些差異，但計算機可以對異常畫素進行逐個的檢查，然後將標記的資料集輸入深度神經網路。
這是一套模擬人腦的鬆散建模演算法，旨在識別原始資料中的模式。基於此，該深度神經網路將學會識別數字新增進去的影象指示邊界。
當它隨後顯示來自資料集外部、此前沒見過的照片時，就能夠在很大程度上辨別出經過 Deepfakes 偽造的照片。
需要指出的是，儘管這套系統目前僅適用於靜態照片，但團隊正在努力將其應用於影片的鑑別。畢竟影片的本質，就是一幀幀的連續影象。
當然，在投入實際試用後，這套深度神經網路也可能永遠都做不到 100% 的識別準確率，畢竟訓練資料及都是被研究人員有意標識過的。
有關這項研究的詳情，已經發表在近日出版的《IEEE Transactions on Image Processing》影像處理期刊上。原標題為：
《Hybrid LSTM and Encoder–Decoder Architecture for Detection of Image Forgeries》
在某位開發者打開了 Deepfakes 的潘多拉魔盒之後，以假亂真的人工智慧偽造照片技術，已經引發了各界的廣泛爭論。
好訊息是，加州大學河濱分校 Amit K. Roy-Chowdhury 教授帶領的一支研究團隊，已經開發出了一套高水準的深度神經網路，能夠分析一張照片是否經由 DeepFakes 偽造。
（圖自：加州大學河濱分校，via New Atlas）
研究期間，團隊向他們的深度神經網路投餵了大量的篡改和非篡改照片資料集，並對其作出相應的計算機標記。
自被篡改的圖片中，團隊突出顯示了被數字化新增到鏡頭中的物件的邊界畫素。此前已有研究人員證實，偽造照片的不尋常物體邊界，會較真實物體更加平滑或有所不同。
雖然人眼不一定能夠檢測到這些差異，但計算機可以對異常畫素進行逐個的檢查，然後將標記的資料集輸入深度神經網路。
這是一套模擬人腦的鬆散建模演算法，旨在識別原始資料中的模式。基於此，該深度神經網路將學會識別數字新增進去的影象指示邊界。
當它隨後顯示來自資料集外部、此前沒見過的照片時，就能夠在很大程度上辨別出經過 Deepfakes 偽造的照片。
需要指出的是，儘管這套系統目前僅適用於靜態照片，但團隊正在努力將其應用於影片的鑑別。畢竟影片的本質，就是一幀幀的連續影象。
當然，在投入實際試用後，這套深度神經網路也可能永遠都做不到 100% 的識別準確率，畢竟訓練資料及都是被研究人員有意標識過的。
有關這項研究的詳情，已經發表在近日出版的《IEEE Transactions on Image Processing》影像處理期刊上。原標題為：
《Hybrid LSTM and Encoder–Decoder Architecture for Detection of Image Forgeries》