डेप्थफेक: डीपफेक वीडियो का पता लगाने के लिए गहराई आधारित रणनीति

हाल की तकनीक ने अविश्वसनीय यथार्थवाद के साथ नकली चित्र और वीडियो बनाना संभव बना दिया है। डीपफेक वीडियो डिटेक्शन इसलिए यह एक महत्वपूर्ण शोध क्षेत्र है।

विसंगतियों के कुछ उदाहरण गहराई से पेश किए गए
हेरफेर किए गए चेहरों का नक्शा। डीपफेक चेहरों में मूल की तुलना में कम विवरण होता है। छवि क्रेडिट: arXiv:2208.11074 [cs.CV]

arXiv.org पर हाल ही में एक पेपर चेहरे में हेरफेर के तरीकों के कारण होने वाली गहराई की विसंगतियों का विश्लेषण करता है। RGB और डेप्थ फीचर्स में सिमेंटिक जानकारी होती है जो कि व्याख्या करने में आसान होती है और शक्तिशाली कंप्रेशन ऑपरेशंस के लिए मजबूत होती है।

शोधकर्ताओं ने आरजीबी छवियों से जुड़ी एक मोनोकुलर-आधारित आकलन पद्धति के साथ चेहरे की गहराई निकालने का प्रस्ताव रखा है। यह दिखाया गया है कि एक साधारण आरजीबी-टू-ग्रेस्केल रूपांतरण भी स्वीकार्य परिणाम देता है क्योंकि इसमें अर्थ संबंधी विशेषताएं हैं जो अच्छी पहचान की अनुमति देती हैं।

व्यापक प्रयोगों ने वेनिला आरजीबी बेसलाइन को पेश करके प्रस्तावित पद्धति की प्रभावशीलता का प्रदर्शन किया है और यह प्रदर्शित किया है कि गहराई से जानकारी जोड़ने से पता लगाने के प्रदर्शन में सुधार होता है।

पिछले कुछ वर्षों में नकली सामग्री अविश्वसनीय दर से बढ़ी है। सोशल मीडिया और ऑनलाइन प्लेटफॉर्म की व्यापकता से दुर्भावनापूर्ण अभिनेताओं के लिए उन्हें बड़े पैमाने पर फैलाना आसान हो गया है। नकली छवि निर्माण विधियों के प्रसार के समानांतर, कई गहन शिक्षण-आधारित पहचान विधियों का प्रस्ताव किया गया है। इनमें से अधिकांश विधियां आरजीबी छवियों से मुख्य विशेषताओं को निकालने और बाइनरी क्लासिफायर का उपयोग करके यह पता लगाने पर निर्भर करती हैं कि छवि नकली है या वास्तविक। इस पेपर में, हमने डेप्थफेक का प्रस्ताव रखा, जो पारंपरिक आरजीबी-आधारित दृष्टिकोणों को बेहतर बनाने के लिए डेप्थ मैप्स का उपयोग करने के तरीके पर एक अध्ययन है। हाल ही में एककोशिकीय गहराई आकलन तकनीकों का उपयोग करके आरजीबी छवियों से गहराई की जानकारी निकाली जाती है। यहां हम एक मजबूत पूर्व-प्रशिक्षित वास्तुकला पर डीपफेक डिटेक्शन कार्यों के लिए डेप्थ मैप्स के प्रभावी योगदान को प्रदर्शित करते हैं। वास्तव में, प्रस्तावित आरजीबीडी दृष्टिकोण फेसफोरेंसिक ++ डेटासेट के माध्यम से मानक आरजीबी आर्किटेक्चर के संबंध में कुछ डीपफेक हमलों के खिलाफ औसतन 3.20% और 11.7% तक सुधार प्राप्त कर सकता है।

शोध पत्र: मैयानो, एल., पापा, एल., वोकाज, के., और अमेरीनी, आई., “डेप्थफेक: ए डेप्थ-बेस्ड स्ट्रैटेजी फॉर डिटेक्टिंग डीपफेक वीडियो,” 2022। संपर्क: https://arxiv.org/abs/2208.11074

तुम कर सकते हो अपना लिंक प्रदान करें इस पोस्ट के विषय से संबंधित पेज के लिए।