AI也被用来反制假视频，靠眨眼是否正常来判断

也有大量免费的假视频软件出现，图像模型的训练过程依托 Google 开源项目 Tensor Flow，造假成本不高。来自匿名开发者的 FakeApp 被放上 Reddit 供人免费下载，两个月就有 12 万下载量。

软件工具起初并无恶意，一名开发者在接受《纽约时报》采访时说 FakeApp 的初衷是作为一种创意实验，但这不阻碍假视频被广泛滥用，继而引发假新闻、骚乱和犯罪上方面的争议，《大西洋月刊》的文章说，假视频正在摧毁我们对现实的认知。

有些造假视频看起来毫无破绽，不过依然有漏网之鱼，纽约奥尔巴尼大学的一支团队发现了漏洞，并将其用作判别视频的方法——假视频中的角色往往无法完美展现真实人类生理动作，比如呼吸、脉搏或眼部动作。

研究团队发布了篇论文，提到的最新进展是眨眼识别。成年人每分钟平均有 17 次眨眼，或者说每一秒眨眼 0.283 次。讲话的时候，人类眨眼频率增加到每分钟 26 次，阅读时是每分钟 4.5 次。

假视频通过图像训练算法，而用于训练模型的图像大多是来自网上的公开图片，比如造假一份奥巴马的视频，首先要找到奥巴马的脸部图片。但你很难找到他闭眼但图片，这会造成视频里的假脸缺乏眨眼动作，起码是不自然的眨眼。

“说到在网上 PO 照片，人们仅仅会放上‘好看的’那些，通常意味着是睁开眼睛的照片，所以 AI 算法往往很少看到闭眼的图像。”项目的负责人 Siwei Lyu 说。

具体来说，Lyu 的团队训练算法自动识别和标记眨眼动作。这个过程包括，分析和判断之前算法首先检测出视频中的面部，然后将此后视频中所有的图像连续对齐，分析每个图像中眼睛的区域，判断这里是否有眨眼动作，把这些图像标记出来。

也就是说这套算法会自动识别出视频中的眨眼部分，判断视频中的主体是否眨眼了，眨眼的模式是什么，以此辨别视频的真假。根据论文的说法，他们的模型能有效地判断眼睛状态，识别假视频的准确率达到 99%。

不过 Lyu 的方法也有局限，制作精良的假视频中确实包含有眨眼动作，做到完全模拟出人的眨眼方式并非不可实现，多花点功夫一帧帧调整就可以了。

Lyu 说他们的技术形成了“第一道防线”，起码可以拖慢造假者的进度。他们也在解决更复杂的问题，包括眨眼的频率和持续时间。

也有其他人在研究反制假视频的方式，美国加州一家名为 Truepic 的初创公司也在投资离线图像和视频分析技术，同样通过一些细节来检测深度仿冒，比如头发、耳朵、眼睛的反射率等。

Adobe 也通过他们对 PS 图片的经验，训练模型识别图像中经过处理的痕迹，一篇论文中展示了他们怎么利用机器学习识别虚假照片。

（编辑：东莞站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!