A számítógéppel generált arcok az utóbbi időben olyan tökéletesek már, hogy nehéz megkülönböztetni őket a valóditól. Ez teszi őket hasznos eszközzé a rosszindulatú internetes szereplők számára, akik például hamis profiloknál használhatják őket aljas célból létrehozott közösségi médiafiókokban.
Ezért a számítógéptudósok olyan módszereket kerestek, amelyekkel gyorsan és könnyen felismerhetők ezek a képek. Hui Guo, a New York-i Állami Egyetem munkatársa és kollégái meg is találták a hamis arcok leleplezésének módját. A műábrázatok gyenge pontja a szem - állítják tanulmányukban.
A szintetikus arcok generálása mögött álló technológia a mélytanulás egy formája, amely generatív adverzális hálózatokon alapul. A megközelítés lényege, hogy valódi arcokról készült képeket táplálnak egy neurális hálózatba, majd megkérik, hogy generáljon saját arcokat. Ezeket az arcokat aztán egy másik neurális hálózattal tesztelik, amely megpróbálja felismerni a hamisítványokat, így az első hálózat tanulhat a hibáiból.
Az ilyen "ellenséges hálózatok" közötti oda-vissza csatározás gyorsan javítja a kimenetet, olyannyira, hogy a szintetikus arcokat már nehéz megkülönböztetni a valódiaktól, amelyek azonban mégsem tökéletesek. A generatív adverzális hálózatoknak például gondot okoz az olyan arckiegészítők pontos reprodukálása, mint a fülbevaló és a szemüveg, amelyek gyakran az arc mindkét oldalán eltérőek. Maguk az arcok azonban valósághűnek tűnnek, így nehéz megbízhatóan felismerni őket.
Guo és társai azt álltják, hogy találtak egy hibát, amely a mesterségesen készült ábrázatokra jellemző. A generatív adverzális hálózatok nem állítanak elő szabályos pupillájú - kör alakú vagy ellipszis alakú - arcokat, és ez módot ad arra, hogy leleplezzék őket.
A szakemberek olyan szoftvert fejlesztettek ki, amely kivonja a pupilla alakját az arcképekből, majd 1000 valódi és 1000 szintetikusan generált arc képét elemezték vele. Minden egyes képet a pupillák szabályossága alapján pontoztak.
A valódi emberi pupillák erősen elliptikus alakúak. A szabálytalan pupillaformák okozta szintetikus produktumok azonban jelentősen alacsonyabb pontszámokhoz vezetnek. Ez a generatív adverzális hálózatok működési módjának eredménye, amelyeknek nincsenek eredendő ismereteik az emberi arcok szerkezetéről. "Ezt a jelenséget a fiziológiai kényszerek hiánya okozza a GAN-modellekben" - állítja Guo és kutatócsapata.
Ez egy érdekes eredmény, amely gyors és egyszerű módot ad a szintetikus arcok felismerésére, feltéve, hogy a pupillák láthatóak. "Ezzel a jellegzetességgel az ember vizuálisan könnyen meg tudja állapítani, hogy az arc valódi-e vagy sem" - mondják a kutatók, akik szerint valóban, egyszerű lenne létrehozni egy programot a felismerés elvégzésére.
Ez azonban rögtön azt sugallja, hogy a rosszindulatú operátoroknak módjuk van egy ilyen teszt legyőzésére. Mindössze annyit kell tenniük, hogy az általuk létrehozott szintetikus arcokon körré rajzolják a pupillákat, ami egy triviális feladat.
És ebben rejlik a kihívás a hamis képek készítői és azok között, akik megpróbálják kiszúrni őket, a macska-egér játékban. Azaz, ez a csata még messze nem ért véget - állapította meg a módszert ismertető tanulmányról beszámoló Discover magazin.
