查看原文
其他

P图美颜1秒识破,Adobe伯克利联手打造“反PS”神器


报道 | 新智元

来源 | adobe、theverge

【导读】虚假图片和视频泛滥成灾,连PS的东家Adobe都坐不住了,该公司和UC伯克利联合打造一款“反PS”神器,专门识别被修改过的面部图像,识别准确率达99%,你的美照P没P过,P前什么样,它一眼就看出来!


虚假视频和图片的泛滥传播已经让整个世界越来越焦虑,连PS的老东家Adobe都坐不住了!


近日,Adobe在博客上宣布,公司与加州大学伯克利分校的科学家合作取得了新的研究成果,利用机器学习技术,可以检测出面部图像是不是被人为修改过的。

 

这项研究由Adobe研究人员Richard Zhang、Oliver Wang以及加州大学伯克利分校合作者Shengyu Wang,Andrew Owens博士和Alexei A. Efros教授共同完成。该工具使用了由DARPA MediFor计划赞助的Photoshop Face Aware Liquify功能。虽然目前仍处于早期阶段,但Adobe和加州大学伯克利分校之间的这类合作,是迈向图像取证全面推进的重要一步。

 


这项新研究旨在更好地检测图像、视频、音频和文档的编辑修改。过去Adobe的研究主要集中在基于拼接,克隆和删除等修改手段的图像处理和检测。


此次打造的这款工具专门检测由Photoshop的Liquify功能进行的编辑,Liquify常用于调整面部图像的形状和改变面部表情。“Liquify的效果可能很精致,可以作为一个有趣的测试案例,用于检测面部的剧烈或微妙的变化,”Adobe表示。

 

这项新研究的基本问题是:

 

是否能创建一种比人类更可靠地识别面部图像被修改的AI工具?

这款工具是否能够解码对图像所做的特定更改?

是否能够撤消这些更改,查看并恢复原始图像?

 

这两张图中的人脸图像均取自本研究的训练数据集,上图中为真实图像,下图中为经过修改后的图像,你能看出真假吗?


PS老东家推出“反PS”工具,准确率高达99%


该项目通过训练卷积神经网络(CNN),成功识别经过修改的面部图像。研究人员编写了Photoshop脚本,建立了一个内容广泛的图像训练集,在数千张从互联网上抓取的图片上使用Face Aware Liquify功能。然后随机选择这些照片的子集对模型工具进行训练。


此外,研究人员还聘请了一位艺术家,专门对数据集中的图像进行人为修改。由于图像中包含了人类创造力的这一要素,大大拓宽了测试集中的图像修改和技术的范围,使训练数据集的多样性超出了仅包含自动合成生成的图像的范围。


该工具还能确定面部形状变化的具体领域和方法。在实验中将编辑后的图像恢复到其原始状态,给研究人员留下了深刻的印象。


 由左至右依次为:经修改的图像、检测到修改、自动还原后的图像、原始图像


经过训练之后算法非常有效。面对经后期编辑过的面部图像,人类志愿者选出正确的答案的概率是53%,而算法的判断正确率高达99%。这款工具甚至能够建议如何将照片恢复成为原来未编辑的状态。

 

 算法模型的全局评估结果


目前还做不到“一键还原”,抵御虚假图像还要靠公众意识


“还原原始图片的任务似乎是不可能完成的,因为面部形状和特征变化的可能性非常多,”加州大学伯克利分校的Alexei A. Efros教授说。“但在本研究中,深度学习能够看清底层图像数据的组合,比如变形、假像,以及更高级别的线索,比如画面布局等,这些方法看起来是有效的。”

 

不过他也表示,目前“一键还原”这种神奇功能现在还没有实现。“但我们生活在一个越来越难以信任我们所消费的数字信息的世界,我期待着进一步探索这一研究领域。”

 

Adobe研究部门负责人Gavin Miller表示:“其实除了这样的技术之外,抵御虚假图片欺骗的最好的防御,是越来越老练的公众。我们需要让公众了解,他们看到的内容是可能被篡改的。这种篡改大部分时候都是为了误导他们。”

 

目前Adube没有立即打算将这项最新成果进行商业化,公司在博客中表示:“虽然我们为Photoshop和Adobe的其他创作工具对世界的影响感到自豪,但我们也认识到了技术本身的道德意义,因为虚假图像和视频的泛滥是一个严重而紧迫的问题。”


参考链接:


Adobe博客:https://theblog.adobe.com/adobe-research-and-uc-berkeley-detecting-facial-manipulations-in-adobe-photoshop/


Theverge:https://www.theverge.com/2019/6/14/18678782/adobe-machine-learning-ai-tool-spot-fake-facial-edits-liquify-manipulations


论文:https://arxiv.org/pdf/1906.05856.pdf

— 完 —

为您推荐

PyTorch内部机制,来自核心开发者的全面解读

干货攻略 | 我是怎么成为竞赛中Top 0.3%的

微软&头条实习生现身说法:我是这样进大厂的

BERT模型在NLP中目前取得如此好的效果,那下一步NLP该何去何从?

机器学习必学10大算法

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存