Исследователи из Калифорнийского университета в Риверсайде представили новую технологию поиска изменений
Den första grenen särskiljer ansiktsuttryck (känsla) ochskickar information om områdena som bildar detta uttryck till den andra grenen - kodaren-avkodaren. Kodar-avkodararkitekturen är ansvarig för att detektera och lokalisera manipulationer. Som författarna till arbetet noterar, upptäcker lösningen de skapade inte bara störningar, utan bestämmer också de områden av bilden som har korrigerats.
"Djupt lärande använder egenskaper,detekteras av system för ansiktsigenkänning för att förbättra prestandan hos konventionella system för detektering av förändringar. Det här tillvägagångssättet ger imponerande resultat vid upptäckt av ansiktsmanipulation, säger Ghazal Mazaheri, studieledare.
Изображение: Mazaheri & Roy-Chowdhury, The UC Riverside
Forskarna brukade utvärderaeffektiviteten av dess modell, två uppsättningar videor, i en av vilka endast känslor har genomgått förändringar, i den andra har skådespelarkaraktären förändrats. Experiment har visat att det utvecklade systemet är mycket mer effektivt än befintliga analoger när det gäller att söka efter förändringar i känslor och samtidigt inte är sämre än de mest effektiva systemen för att upptäcka substitution av skådespelarens identitet. Under testningen upptäckte systemet 99 % av falska videor.
Forskare tror att deras utveckling kommer att bidra till utvecklingen av automatiserade verktyg för att upptäcka falska videor som innehåller propaganda eller desinformation.
Läs mer:
Titta på den "tysta" drönaren med en ny generation av jonframdrivning
Forskare kom på hur man hittar mörk materia med hjälp av en konventionell fabrik
Astronomer har studerat fyra stjärnhopar i Vintergatan: en av dem beter sig konstigt