虛假圖片和視頻泛濫成災,連PS的東家Adobe都坐不住了,該公司和UC伯克利聯(lián)合打造一款“反PS”神器,專門識別被修改過的面部圖像,識別準確率達99%,你的美照P沒P過,P前什么樣,它一眼就看出來!
近日,Adobe在博客上宣布,公司與加州大學伯克利分校的科學家合作取得了新的研究成果,利用機器學習技術(shù),可以檢測出面部圖像是不是被人為修改過的。
這項研究由Adobe研究人員Richard Zhang、Oliver Wang以及加州大學伯克利分校合作者Shengyu Wang,Andrew Owens博士和Alexei A. Efros教授共同完成。該工具使用了由DARPA MediFor計劃贊助的Photoshop Face Aware Liquify功能。雖然目前仍處于早期階段,但Adobe和加州大學伯克利分校之間的這類合作,是邁向圖像取證全面推進的重要一步。
這項新研究旨在更好地檢測圖像、視頻、音頻和文檔的編輯修改。過去Adobe的研究主要集中在基于拼接,克隆和刪除等修改手段的圖像處理和檢測。
此次打造的這款工具專門檢測由Photoshop的Liquify功能進行的編輯,Liquify常用于調(diào)整面部圖像的形狀和改變面部表情?!癓iquify的效果可能很精致,可以作為一個有趣的測試案例,用于檢測面部的劇烈或微妙的變化,”Adobe表示。
這項新研究的基本問題是:
是否能創(chuàng)建一種比人類更可靠地識別面部圖像被修改的AI工具?
這款工具是否能夠解碼對圖像所做的特定更改?
是否能夠撤消這些更改,查看并恢復原始圖像?
這兩張圖中的人臉圖像均取自本研究的訓練數(shù)據(jù)集,上圖中為真實圖像,下圖中為經(jīng)過修改后的圖像,你能看出真假嗎?
PS老東家推出“反PS”工具,準確率高達99%
該項目通過訓練卷積神經(jīng)網(wǎng)絡(CNN),成功識別經(jīng)過修改的面部圖像。研究人員編寫了Photoshop腳本,建立了一個內(nèi)容廣泛的圖像訓練集,在數(shù)千張從互聯(lián)網(wǎng)上抓取的圖片上使用Face Aware Liquify功能。然后隨機選擇這些照片的子集對模型工具進行訓練。
此外,研究人員還聘請了一位藝術(shù)家,專門對數(shù)據(jù)集中的圖像進行人為修改。由于圖像中包含了人類創(chuàng)造力的這一要素,大大拓寬了測試集中的圖像修改和技術(shù)的范圍,使訓練數(shù)據(jù)集的多樣性超出了僅包含自動合成生成的圖像的范圍。
該工具還能確定面部形狀變化的具體領域和方法。在實驗中將編輯后的圖像恢復到其原始狀態(tài),給研究人員留下了深刻的印象。
由左至右依次為:經(jīng)修改的圖像、檢測到修改、自動還原后的圖像、原始圖像
經(jīng)過訓練之后算法非常有效。面對經(jīng)后期編輯過的面部圖像,人類志愿者選出正確的答案的概率是53%,而算法的判斷正確率高達99%。這款工具甚至能夠建議如何將照片恢復成為原來未編輯的狀態(tài)。
算法模型的全局評估結(jié)果
目前還做不到“一鍵還原”,抵御虛假圖像還要靠公眾意識
“還原原始圖片的任務似乎是不可能完成的,因為面部形狀和特征變化的可能性非常多,”加州大學伯克利分校的Alexei A. Efros教授說?!暗诒狙芯恐校?a target="_blank">深度學習能夠看清底層圖像數(shù)據(jù)的組合,比如變形、假像,以及更高級別的線索,比如畫面布局等,這些方法看起來是有效的?!?/p>
不過他也表示,目前“一鍵還原”這種神奇功能現(xiàn)在還沒有實現(xiàn)?!暗覀兩钤谝粋€越來越難以信任我們所消費的數(shù)字信息的世界,我期待著進一步探索這一研究領域?!?/p>
Adobe研究部門負責人Gavin Miller表示:“其實除了這樣的技術(shù)之外,抵御虛假圖片欺騙的最好的防御,是越來越老練的公眾。我們需要讓公眾了解,他們看到的內(nèi)容是可能被篡改的。這種篡改大部分時候都是為了誤導他們?!?/p>
目前Adube沒有立即打算將這項最新成果進行商業(yè)化,公司在博客中表示:“雖然我們?yōu)镻hotoshop和Adobe的其他創(chuàng)作工具對世界的影響感到自豪,但我們也認識到了技術(shù)本身的道德意義,因為虛假圖像和視頻的泛濫是一個嚴重而緊迫的問題。”
-
PS
+關(guān)注
關(guān)注
0文章
73瀏覽量
36382 -
Adobe
+關(guān)注
關(guān)注
0文章
185瀏覽量
30633
原文標題:P圖美顏1秒識破,Adobe伯克利聯(lián)手打造“反PS”神器
文章出處:【微信號:AI_era,微信公眾號:新智元】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。
發(fā)布評論請先 登錄
相關(guān)推薦
評論