Data science

การจัดการรูปภาพสร้างรูปร่างที่แตกต่างด้วยอารมณ์ Deepfake

การปรับแต่งภาพสามารถทำได้ทั้งสองอย่างในเวลาเดียวกันก็แย่เช่นกัน Deepfake เป็นเรื่องปกติธรรมดาในทุกวันนี้สำหรับการวาดภาพคนที่พูดหรือทำสิ่งที่พวกเขาไม่เคยทำ เป็นภาพถ่าย วิดีโอ หรือบันทึกเสียงที่ดูเหมือนจริงแต่ถูกดัดแปลงโดยใช้ปัญญาประดิษฐ์หรือ AI เทคโนโลยีพื้นฐานสามารถจัดการการแสดงออกทางสีหน้า แทนที่ใบหน้า สังเคราะห์คำพูดและใบหน้า และเมื่อเร็ว ๆ นี้ Microsoft ยังมาพร้อมกับเครื่องมือ Deepfakes ที่สามารถระบุการปรับแต่งภาพและการจัดการใบหน้าได้ มีความคิดเห็นเกี่ยวกับวิธีการทำงานของ deepfake เกี่ยวกับการปรับแต่งภาพหรือไม่? วิดีโอ Deepfake ส่วนใหญ่มีการเปลี่ยนใบหน้าหรือการแสดงออกทางสีหน้า เนื่องจากพวกเขาใช้โครงข่ายประสาทเทียมของ AI ที่สามารถจดจำรูปแบบของข้อมูลได้ AI จึงจำเป็นต้องป้อนรูปภาพจำนวนมากเพื่อฝึกฝนและระบุและสร้างใบหน้าปกติขึ้นใหม่ โดยปกติแล้ว Deepfakes จะใช้ในภาพยนตร์เพื่อสร้างเอฟเฟกต์ที่สร้างสรรค์โดยใช้การปรับแต่งภาพ แต่ก็มีความเสี่ยงสูงเช่นกัน เนื่องจากพวกมันถูกใช้เพื่อการแสวงประโยชน์ มีการศึกษาเพียงไม่กี่ชิ้นที่แสดงให้เห็นว่าเนื้อหา Deepfake ทางออนไลน์เป็นภาพลามกอนาจารและอาจทำให้ผู้หญิงตกเป็นเหยื่อในทางที่ผิดได้ นอกจากนี้ยังมีข้อกังวลเกี่ยวกับการใช้ Deepfakes ในการบิดเบือนข้อมูล นอกจากนี้ยังสามารถใช้เพื่อโน้มน้าวการเลือกตั้งหรือเป็นอาวุธในการทำสงครามจิตวิทยา และยังนำไปสู่การเพิกเฉยต่อหลักฐานอันชอบธรรมของการกระทำผิดที่บ่อนทำลายความไว้วางใจของประชาชน การปรับแต่งรูปภาพและการทำ Deepfakes การปรับแต่งรูปภาพเป็นเทคนิคที่ช่วยให้ทุกคนสามารถแก้ไขรูปภาพหรือแม้แต่วิดีโอเพื่อสลับข้อมูลประจำตัวได้ เทคนิคที่ได้รับความนิยมมากที่สุดคือ Deepfakes และ Face2Face ซึ่งได้รับความนิยมอย่างมากในทุกวันนี้ ปัจจัยด้านจริยธรรมเกี่ยวกับการใช้ประโยชน์จาก DeepFakes และ Face2Face ก็เข้ามาในภาพเช่นกัน ข่าวดีก็คือวารสารฉบับล่าสุดที่มหาวิทยาลัยหูหนานและหนานจิงในจีนได้เสนอวิธีการใหม่ในการระบุและตรวจจับการยักย้ายถ่ายเท DeepFake ผ่าน Adaptive Manipulation Traces Extraction Network (AMTEN) AMTEN เป็นวิธีการที่ทำงานเป็นโมดูลก่อนการประมวลผลเพื่อต่อสู้กับผลข้างเคียงของการปรับแต่งภาพ เทคนิคใหม่นี้ใช้ความแตกต่างระหว่างอิมเมจอินพุตและแมปคุณสมบัติเอาต์พุตเพื่อแยกร่องรอยการจัดการเหล่านี้ ดูเหมือนว่าวิธีการ AMTEN จะทำงานได้ดีในการตรวจจับร่องรอยการจัดการที่มีแนวโน้มว่าจะยุ่งเกี่ยวกับงานตรวจจับ เทคนิคการจัดการภาพใบหน้าสามารถแบ่งออกเป็นสามประเภท: การจัดการเอกลักษณ์ การจัดการการแสดงออก และการถ่ายโอนแอตทริบิวต์ AMTENnet พิจารณาเทคนิคการปรับแต่งภาพใบหน้าหลายแบบ AMTENnet ยังส่งผลให้มีความแม่นยำมากขึ้นในการตรวจจับความลึกปลอมในการจัดการภาพ

  • บ้าน
  • Business
  • Data science
  • Marketing
  • Leave a Reply

    Your email address will not be published. Required fields are marked *

    Back to top button