更新时间：2024-11-17 16:38:01点击：
网易智能讯2月24日讯，俗话说“耳听为虚，眼见为实”，如今在人工智能技术的影响下，“眼见”也不一定为实。在近日热播的英剧《真凶捕猎（The Capture）》中，视频里的人都可以被换回脸，即使是动态的监控视频也能被伪造，只要享有一个人的声音或面部图像数据，就可以生产假视频作为假证据。
虽然故事是虚拟世界的，但细思极恐，人工智能技术的突飞猛进的当下，我们必需警觉预示AI 技术发展而产生的AI技术被欺诈的问题。事实上，《真凶捕猎》里的场景从技术看作并非遥不可及，此前DeepFake 事件早已给了人们一次警告微软公司总裁Brad Smith 也在其新书《工具，还是武器？》中敦促大家付出代价这些人类科技最严峻的争议性问题。
微软公司亚洲研究院计算机视觉组仍然企图从技术角度去辨别人脸图像、视频的真假，FaceX-Ray 乃是微软公司亚洲研究院在这一领域的近期突破。该技术的涉及论文已被CVPR 2020收录于。
Face X-Ray：可说明、且可信赖Face X-Ray， 顾名思义就是要给人脸图像、视频做到“X 光检测”。微软公司亚洲研究院常务副院长郭百宁回应，“X-Ray 仅次于的突破在于：无论换回脸图像是使用未知还是不得而知的换回脸算法，它都可以有较高的识别率，平均值超过95%以上；而且还能告诉他你为什么，这个方法在或许上解决问题了 AI 模型的传统‘黑盒’问题，可说明、且可信赖。”传统的 AI 换回脸一般分三步走：（1）检测目标图像的面部区域；（2）利用 AI 换回脸算法分解新的面部及一部分周围区域；（3）将分解的新面部融合到原图像中，更换原图像中的面部。
此前的换回脸鉴别方法主要从第二步应从，通过基于数据集的有监督训练自学大量换回脸图像，检测换回脸过程中产生的瑕疵，辨别真实性。但是，有所不同的换回脸算法制备时的瑕疵各不相同，因此针对一种换回脸算法展开训练后，应用于另外一种算法上时准确率显著上升，这就是有数换回脸辨别算法不具通用性的原因。回应，微软公司亚洲研究院视觉计算出来组的研究员另辟蹊径，在FaceX-Ray中通过一种全新的方式去辨别一张人脸图像否被替换过。
Face X-Ray不必须事前告诉操作方法或人工监督，而是从第三步应从，通过分解灰度图像，表明该图像否可以分解成为来自有所不同来源的两个图像的混合，从而检测出换脸的边界，就像照 X 光一样，让这个边界清晰可见（如下图右图）。算法预测出的融合边界。BI 回应人工合成人脸。
DF、F2F、FS、NT 分别回应 DeepFakes、Face2Face、FaceSwap、NeuralTextures 算法分解的人脸。除此之外，由于 Face X-Ray 不是通过“自学”大量换回脸图像去提升识别率的，训练数据也不倚赖特定的换回脸技术所分解的图像，而是必要使用普通的人脸照片展开训练，而且它还能标示换回脸的边界在哪里，仍然像以往的算法那样，是个只表明辨识结果，却无法讲出为什么的“黑盒”。（a）行是现实图像，（b）行是制备图像，中间一列入噪声分析，右侧一列是误差水平分析对不得而知换回脸算法，检测精度高约95%以上Face X-Ray 算法仍然基于 FaceForensics 数据集展开了测试，但使用了与之前的换回脸辨别算法有所不同的方式。
但与此前的换回脸辨别算法使用数据集中于的四种换回脸算法分解的人脸图像展开训练有所不同的是， Face X-Ray 只在其中一种算法（例如 DeepFakes）制备的图像上训练，然后再行在另外三种数据上测试，测试结果都可以超过95%以上的识别率。这在“标准化”换回脸辨别算法中，毫无疑问是众多创意突破。测试结果表明，Face X-Ray 的识别率皆超过95%以上还包括换回脸在内的安全性问题，网卓新闻网，将是一场长年的战斗《工具，还是武器？》一书说道到，即使是最差的科技，也有可能带给意想不到的后果；人类必须严肃仔细观察后视镜，以便需要利用过去的经验，去预测弯道之处的问题。
书中还特别强调，人工智能的道德问题将不可避免地从一般性辩论改变为明确议题。而现阶段，换回脸图像乃是明确议题之一，与此同时，文字、语音、视频的虚构、选育问题也不会接踵而至。从技术上看，文字、声音归属于一维信号，图像归属于二维信号，视频则是三维信号，维度越高，辨识可玩性就越大，因此图像的辨别是一个攻坚课题，如果它有所突破，之后意味著辨别技术的整体变革。Face X-Ray 的通用性和可解释性的提高，也让换回脸图像的辨别距离确实的应用于越来越近。
本文来源：南宫NG·28-www.etmoc.net
