Luottamuspeli. Kuinka luoda oma DeepFakesi 5 minuutissa
Tässä artikkelissa puhumme ammattimaisen DeepFaken tekemisestä kirjoittamatta muutamaa sataa riviä koodia.
Jos luet tätä artikkelia, olet todennäköisesti jo kuullut tekoälyalgoritmista nimeltä DeepFake. Deepfakeja käytetään nykyään melkein kaikkialla: elokuvista pornovideoihin. Äskettäinen tutkimus osoitti, että 96 prosenttia Internetin syväväärennöksistä on itse asiassa pornovideoita. Useimmissa tapauksissa käyttäjät luovat väärennettyjä julkkispornovideoita tai käyttävät tekniikkaa kostopornoon.
Pornografian lisäksi tekniikkaa käytetään myös politiikassa, valeuutisten luomisessa ja erilaisissa petoksissa. Internetissä on monia samankaltaisia videoita eri poliittisten hahmojen kanssa, joista yhdessä Obama esimerkiksi kutsui Trumpia täydelliseksi paskaksi (pasipääksi). Huhtikuussa 2018 BuzzFeed osoitti, kuinka pitkälle videoväärennös on edennyt yhdistämällä Barack Obaman kasvot ja Jordan Peelen vakuuttavan äänen.
BuzzFeed Deepfake -esimerkki
Teknologiaa ei kuitenkaan käytetä vain vahingoksi, vaan myös yhteiskunnan hyödyksi. Esimerkiksi Floridan Salvador Dali -museossa kuuluisan taiteilijan 115-vuotisjuhlan kunniaksi järjestettiin erityinen näyttely Dalí Lives ("Dali on elossa"). Projektin kuraattorit käyttivät tekoälyn luomaa taiteilijan prototyyppiä, joka kommunikoi museovieraiden kanssa kertoen tarinoita maalauksistaan ja elämästään.
Mutta sinun ei tarvitse olla taitava kehittäjä luodaksesi oman deepfakesi. Tarvitset vain tavallisen valokuvan, jonka haluat animoida, ja videon suosikkiartististasi tai hänestä, jonka liikkeitä haluat matkia.
Yllä kuvatun prosessin simuloimiseksi toteutamme kuvaanimaatiota, joka on mahdollista hermoverkkojen avulla, jotka saavat kuvan liikkumaan valitsemassasi videojaksossa. Kun olet lukenut tämän artikkelin loppuun, ymmärrät, että voit animoida minkä tahansa valokuvan kirjoittamatta yhtä koodiriviä.
Kuinka se toimii?
Deepfakes perustuvat generatiivisiin kilpaileviin hermoverkkoihin (GAN). Nämä ovat koneoppimiseen perustuvia algoritmeja, jotka voivat luoda uutta sisältöä tietystä joukosta. GAN voi esimerkiksi tutkia tuhansia valokuvia Barack Obamasta ja luoda omia, säilyttäen kaikki ex-presidentin piirteet ja ilmeet.
Käytämme mallia, joka esiteltiin kohdassa " First Order Motion Model for Image Animation ", joka on uusi lähestymistapa videon objektin korvaamiseen toisella kuvalla ilman lisätietojen määrittämistä ja lisäkoodin kirjoittamista.
Ennen videosarjan rakentamista on erittäin tärkeää ymmärtää tarkasti, miten se tehdään.
Tätä mallia käytettäessä hermoverkko auttaa rekonstruoimaan videon, jossa alkuperäinen kohde korvataan toisella alkuperäisessä kuvassa olevalla objektilla. Testauksen aikana ohjelma yrittää ennustaa, miten alkuperäisessä kuvassa oleva kohde liikkuu lisätyn videon perusteella. Siten jokaista videolla esitettyä pienintä liikettä seurataan pään käännöksestä huulten kulmien liikkeisiin asti.
DeepFaken luontiprosessi
Testaus suoritetaan suurella määrällä videoita. Videon rekonstruoimiseksi malli poimii useita kehyksiä ja yrittää oppia suoritettujen liikkeiden kuvioita. Analysoimalla poimittua tietoa hän oppii koodaamaan liikkeen sekoituksena sille ominaisia avainpisteliikkeitä ja sen omia affiineja muunnoksia.
Testauksen aikana malli rekonstruoi videosekvenssin lisäämällä alkuperäisestä kuvasta objektin jokaiseen videon ruutuun ja siten animoi sen.
Kehys on toteutettu liikkeen arviointimoduulin ja kuvan generointimoduulin avulla.
Liikkeiden arviointimoduulin tarkoituksena on ymmärtää tarkasti, miten ne suoritetaan (" latentti liikeesitys "). Yksinkertaisesti sanottuna se yrittää seurata liikkeitä niiden järjestyksessä ja koodata ne siirtämään avainpisteitä ja tallentamaan paikallisia affiineja muunnoksia. Tuloksena on tiheä liikekenttä ja okklusaalinen maski, jotka toimivat yhdessä. Maski määrittää, mitkä tietyssä järjestyksessä liikkuvan kohteen osat tulee korvata alkuperäisellä kuvalla (esimerkiksi kasvojen alaosa).
Esimerkiksi tässä GIF:ssä naisen selkää ei ole animoitu.
Lopuksi liikkeenarviointimoduulin vastaanottama data lähetetään kuvan generointimoduuliin alkuperäisen kuvan ja valitun videotiedoston kanssa. Kuvageneraattori luo kehyksiä liikkuvasta videosta, jossa alkuperäinen kuvaobjekti korvataan. Kehykset liitetään yhteen uuden videon luomiseksi.
DeepFakesin luominen
Voit helposti löytää lähdekoodin Githubista, kloonata sen omalla koneellasi ja suorittaa kaiken siellä, mutta on olemassa helpompi tapa, jolla saat valmiin videon vain 5 minuutissa.
- Seuraa linkkiä: https://colab.research.google.com/github/AwaleSajil/DeepFake_1/blob/master/first_order_model_demo(Youtube)_new_audioV5_a.ipynb
- Luo kopio ipynb- tiedostosta Google Driveen.
3 Lataa kaikki tarvittavat resurssit ja aseta malliparametrit suorittamalla ensimmäinen prosessi.
4 Sitten voit testata algoritmia käyttämällä valmiiksi valmisteltua video- ja valokuvakokoelmaa. Valitse vain lähdekuva kokoelmasta ja video, jonka haluat projisoida kyseiseen kuvaan. Muutaman minuutin kuluttua sinulla on käsissäsi valmis deepfake.
5 Luo oma video kirjoittamalla polku alkuperäiseen kuvaan ja liikevideoon kolmanteen soluun. Voit ladata ne suoraan mallineen kansioon, joka aukeaa klikkaamalla valikkokansiokuvaketta vasemmalla. On tärkeää, että videosi on rajattu kasvoihin ja se on mp4-muodossa. Voit myös käyttää kokoelman esimerkkejä tässä osiossa.
Yhdistämällä videon Ivangain ja Elon Muskin kuvan kanssa onnistuimme saamaan seuraavan syvän väärennöksen
