反deepfake阵营今日又有新成果，商汤入局，献出迄今最大检测数据集：
包含 60000个视频，共计 1760万帧，是现有同类数据集的10倍。
deepfake进化了一版又一版，效果越来越逼真，门槛却越来越低。
不仅是明星们，连普通人都不禁瑟瑟发抖。
眼见亦不为实，难道就没有什么能制住AI换脸了？
其实，魔高一尺时，道也未曾停止修炼。并且，还要以彼之道，还施彼身。
现在，商汤就携手新加坡南洋理工的研究人员们，推出了迄今为止最大的deepfake检测数据集， DeeperForensics-1.0。
并且，更接近现实场景，更具多样性、挑战性。
数据、代码和预训练模型，正在开源的路上。
在DeeperForensics-1.0的60000个视频中，有50000个是研究团队收集的原始视频，剩下的10000则是他们造出来的“伪视频”。
数据集的打造，一共分为三步。
第一步，是 数据采集。
将真实视频中原本的人脸称作目标人脸，被替换上去的人脸称作源人脸，研究人员发现，在构建高质量数据集的过程中，源人脸比目标人脸起到了更为关键的作用。
源人脸的表情、姿势和拍摄时的照明条件越丰富，人脸交换的可靠性就越高。
于是，研究人员雇佣了100位演员来参与人脸视频的录制。他们分别来自26个不同的国家，其中有53名男性和47名女性，年龄范围在20-45岁之间，四种肤色（白，黑，黄，棕）比例为1：1：1：1。
这些视频的录制分辨率为1920×1080。拍摄过程中，演员们被要求展示各种不同的表情：中立，愤怒，快乐，悲伤，惊讶，鄙视，厌恶，恐惧等。
脸部面对镜头的角度在-90°到90°之间变化。还设置了九种不同的照明效果。
第二步， 以假治假。
知己知彼，百战不殆。
为了生成更真的假视频，研究人员提出了一种新的人脸交换框架：DeepFake变分自动编码器（DeepFake Variational Auto-Encoder，DF-VAE）。
DF-VAE由三个模块组成：结构提取模块，解耦模块和融合模块。
在训练中，通过提取标志物、构造未配对的样本作为条件，重构源人脸和目标人脸。
重构后，最小化光流差异来改善时间连续性。
而MAdalN模块，负责会将重现的面孔与原始背景融合到一起。
第三步，是进一步提升难度， 加入扰动模拟真实场景中的视频。
具体而言，就是在视频中加入色彩饱和度变化、局部图像块失真、色彩对比变化、高斯模糊、色彩分量中的高斯白噪声、JPEG压缩和视频压缩率变化这七种失真。
为了评估DeeperForensics-1.0的质量，研究人员邀请了100位计算机视觉专家对其进行评分。
根据反馈，专家们认为，与FaceForensics++、Celeb-DF等流行的Deepfake检测数据集相比，DeeperForensics-1.0更加真实。
假视频越演越真，引发了广泛的担忧。
以AI治AI的行动，也早已展开。
此前，Facebook就壕掷千万，举办换脸视频检测挑战赛。
UC伯克利EECS教授Hany Farid评价说：
为了从信息时代走向知识时代，我们必须更好的辨明真伪，奖真惩假，教育下一代成为更好的数字公民。这需要全面的投资，需要工业界、学界、非政府组织一同努力研究，发展和实施能快速精准辨别真伪的技术。
美国初创公司Truepic，则以打击AI造假照片、视频为核心业务，在2019年7月筹集了800万美元（约合5680万人民币）资金。
国内，2019年11月底印发的《网络音视频信息服务管理规定》，则可视作针对AI造假视频的一次针对性管控。
这项规定已于1月1日正式施行。
项目地址：
https://liming-jiang.com/projects/DrF1/DrF1.html
论文地址：
https://arxiv.org/abs/2001.03024
VB报道：
https://venturebeat.com/2020/01/15/sensetime-face-forgery-research-deepfakes/
— 完 —
https://www.toutiao.com/i6782403843717071368/
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
