Deepfakes kunne anonymisere folk i videoer, mens de bevarer deres personlighed

Kategori: Kunstig intelligens Udsendt 17. sep

AI kunne generere ansigter, der matcher anonyme personers udtryk for at give dem privatliv - uden at miste deres evne til at udtrykke sig.

Nyhederne: En ny teknik bruger generative adversarial networks (GAN'er), teknologien bag deepfakes, til at anonymisere nogen på et billede eller en video.

Hvordan det virker: Algoritmen udtrækker information om personens ansigtsudtryk ved at finde positionen af ​​øjne, ører, skuldre og næse. Den bruger derefter en GAN, trænet på en database med 1,5 millioner ansigtsbilleder, til at skabe et helt nyt ansigt med det samme udtryk og blander det ind i det originale billede, og bevarer den samme baggrund.

Fejl: Teknikken er udviklet af forskere ved Norges Teknisk-Naturvidenskabelige Universitet og er stadig meget eksperimenterende. Det virker på mange typer fotos og ansigter, men snubler stadig, når ansigtet er delvist okkluderet eller drejet i bestemte vinkler. Teknikken er også meget glitchy til video.

Andet arbejde: Dette er ikke den første AI-baserede ansigtsanonymiseringsteknik. Et papir i februar fra forskere ved University of Albany brugte deep learning til at transplantere nøgleelementer af et forsøgspersons ansigtsudtryk på en anden. Denne metode krævede en samtykkende donor til at tilbyde sit ansigt som det nye lærred til udtrykkene.

Hvorfor det er vigtigt: Anonymisering af ansigter bruges til at beskytte en persons identitet, såsom en whistleblower, i billeder og optagelser. Men traditionelle teknikker, såsom sløring og pixelering, risikerer at være ufuldstændig (dvs. at personens identitet kan opdages alligevel) eller helt at fjerne personens personlighed (dvs. ved at fjerne ansigtsudtryk). Fordi GAN'er slet ikke bruger motivets originale ansigt, eliminerer de enhver risiko for det tidligere problem. De kan også genskabe ansigtsudtryk i høj opløsning, og dermed tilbyde en løsning til sidstnævnte.

Ikke altid den onde fyr: Teknikken demonstrerer også et nyt værdiforslag for GAN'er, som har udviklet et dårligt ry for at sænke barrieren for at producere overbevisende misinformation. Mens denne undersøgelse var begrænset til visuelle medier, viser den i forlængelse heraf, hvordan GAN'er også kunne anvendes på lyd for at anonymisere stemmer.