照片被人換臉了怎麽辦？微軟新技術用“X光”來識別

記者 | 佘曉晨

編輯 |

1

識別Deepfake(深度偽造)有了新突破。

近幾年來，鑒別人臉和視頻圖像的真假成為AI領域的重點課題。最近，微軟亞洲研究院計算機視覺組研究出一項新的識別技術Face X-Ray——給人臉圖像、視頻做“X光檢測”。

關於此項技術的相關論文已被CVPR 2020收錄，其技術原理是：當人臉圖像被替換之後，圖像中就會留下痕跡，而被X-Ray“照”過之後，這個痕跡就會顯示出來。

此前業內的主流換臉鑒別算法，包括微軟亞洲研究院提出的上一代算法，都是訓練AI分類器，讓AI模型去“學習”大量的換臉圖像，從而具有初步的鑒別能力。

但這類算法的局限在於，只有在圖像是採用已知換臉算法（如DeepFake、FaceSwap、Face2Face等）生成的情況下，鑒別技術才有可能達到較高的識別率（99%以上），因為AI模型就是通過大量學習那些算法生成的人臉圖像來提升識別能力的。

如果換臉圖像採用的是未知算法，鑒別識別率就會降低至70%。問題在於，在實際的生活中，當我們看到換臉圖像或視頻時，並不知道它是否由已知算法合成。

因此，微軟亞洲研究院視覺計算組的研究員在Face X-Ray中通過一種全新的方式判斷一張人臉圖像是否被更換過。如果這個人臉圖像被更換過，一定會存在一個換臉的邊界，Face X-Ray要做的就是檢測並畫出這個邊界，讓它清晰可見，就像照X光一樣。

算法預測出的融合邊界 圖片來源：微軟

微軟亞洲研究院常務副院長郭百寧表示，“X-Ray最大的突破在於，無論換臉圖像採用的是已知還是未知的換臉算法，它都可以有較高的識別率，平均達到95%以上。”他認為，這個方法在某種程度上解決了AI模型的傳統“黑盒”問題，可解釋且可信賴。

由於Face X-Ray不是通過“學習”大量換臉圖像從而提高識別率，該方法不必考慮換臉圖像採用的是何種算法，因此更加具有普適性和通用性。

傳統的AI換臉一般分為三步：第一步檢測目標圖像的面部區域；第二步，利用AI換臉算法生成新的面部及一部分周圍區域；第三步，將生成的新面部融合到原圖像中，替換原圖像中的面部。Face X-Ray主要針對換臉算法的第三步，即圖像融合過程。換臉的圖像必然是至少兩張圖像疊加而成，而且可以確定合成圖像的中間面部是來源於一張圖像，面部周圍來源於另外一張圖像。

研究員們還發現，每一張圖像都有一個來自於硬體或軟體的特殊噪聲標記，這些噪聲就像指紋一樣獨一無二。因此，Face X-Ray通過確定圖像是否包含兩種不同的噪聲，判定一張人臉圖像為合成圖像的機率。

可解釋性則在於它能標出換臉的邊界，不同於以往的算法那樣，只能顯示識別結果，無法解釋為什麽。

用Deepfake進行造假，對於個人隱私、企業安全以及社會安全都會造成不小的負面影響。去年開始，包括谷歌、推特在內的各大科技公司一直致力於如何打擊Deepfake，用技術“對抗”技術。