中文字幕理论片,69视频免费在线观看,亚洲成人app,国产1级毛片,刘涛最大尺度戏视频,欧美亚洲美女视频,2021韩国美女仙女屋vip视频

最近一段時間，以擴散模型為代表的生成模型越來越能逼真地生成圖像和視頻，一方面是一群人的狂歡，這是AI的進步，另一方面卻是另一群人的擔憂，這是AI的危險。

AI技術可以造福人類，當然也可以用來作惡。

社交媒體上的視頻造假已經(jīng)讓大家不再堅信“眼見為實”，而金融領域的人臉偽造則成為必須面對的系統(tǒng)性威脅。

可以看到，經(jīng)過編輯后的圖像整體表現(xiàn)還算比較自然，但仔細放大，還是有一些不和諧的痕跡。

所以面向多媒體數(shù)據(jù)的篡改（Tampering  ，偏向于多媒體內容的編輯修改）和人臉偽造（Deepfake ，偏向于對多媒體數(shù)據(jù)中人臉部分的編輯修改）檢測技術越來越重要了，成為研究社區(qū)不得不討論的話題。

那么，AI可以打敗AI嗎？

今天向大家推薦一篇新出的論文『Fighting Malicious Media Data: A Survey on Tampering Detection and Deepfake Detection』，作者參考了377篇文獻，系統(tǒng)性綜述了篡改與人臉偽造檢測領域的相關概念、數(shù)據(jù)集、技術分類與未來趨勢。

• 論文地址：https://arxiv.org/abs/2212.05667

作者來自復旦大學與馬里蘭大學。

▲篡改檢測與人臉偽造檢測技術示意圖

可見，篡改檢測（Tampering Detection）要對“整幅圖片”進行判斷是否經(jīng)過篡改，如果有的話，以Mask的形式將篡改部分標識出來。

而人臉偽造檢測（Deepfake Detection）是對“人臉區(qū)域”進行分類，給出是否是經(jīng)過人為編輯偽造的。

▲論文總結的相關技術縱覽

其中 Genetation（生成） 指篡改與偽造技術，Detection（檢測）是指相關檢測技術。First/Second/Third Gen指第一代、第二代、第三代數(shù)據(jù)集。

▲圖像篡改的三種模式

作者列出了篡改檢測相關數(shù)據(jù)集：

從統(tǒng)計數(shù)據(jù)看，年份越近的數(shù)據(jù)集，數(shù)量越大，人工編輯的模式越多。

▲相關數(shù)據(jù)集展示

作者列出的四種常見的人臉偽造方式：

▲四種常見的人臉偽造方式

圖中（a）為整張臉合成，（b）按特定輸入對人臉進行編輯，（c）則為換臉，（d）有參考對象的人臉編輯。

在人臉偽造上，技術越走越遠，越來越高清逼真，如下圖：

第三代數(shù)據(jù)集不僅數(shù)量大（數(shù)量級的提升），而且方法多樣。

這是不是也說明造假的人也越來越多，越來越努力了??？。。。

當然，人臉偽造檢測技術也在不斷發(fā)展，下圖為檢測的可視化結果：

在視頻領域時空一致也能幫我們判斷一部分偽造：

圖中，眼睛一直閉著呢，嘴巴卻不停張合。

最后作者也提到了這一領域面臨的挑戰(zhàn)與方向：

1. 泛化性挑戰(zhàn)，作假技術迭代進步很快，一個模型要對沒見過的作假方法有效才行。
   
2. 魯棒性挑戰(zhàn)，互聯(lián)網(wǎng)上的圖像視頻往往要面對壓縮、傳輸?shù)冉蒂|問題，檢測模型藥足夠魯棒檢測出來。
3. 歸屬方法不夠豐富，不只是真假，類似于是否侵犯知識產權的標簽也非常有意義。
4. 利用多模態(tài)信息，RGB信息中可能不太好分辨的造假，在頻域可能就比較明顯。可解釋性。在一些需要進入司法階段的應用場景，可解釋性就非常重要了。

END