Videnskab
 science >> Videnskab >  >> Elektronik

Ny forskning:Menneskelige hjerteslag hjælper med at skelne computergenererede ansigter fra vores

Algoritme proces flow. Tre hovedfaser kendetegner arbejdsgangen:(a) tidsmæssig signalberegning fra ansigtspatches og denoising; (b) signalnormalisering; og (c) feature ekstraktion og SVM klassificering. Kredit:Bonomi og Boato

Nylige fremskridt inden for computergrafik gør det muligt at skabe computergenererede (CG) repræsentationer af mennesker, som er svære at skelne fra deres modstykker i den virkelige verden. "Digital menneskeligt ansigtsdetektion i videosekvenser via en fysiologisk signalanalyse, " et papir offentliggjort i dag i Journal of Electronic Imaging (JEI) , præsenterer en innovativ måde at skelne mellem naturlige mennesker (NAT) og CG-ansigter inden for rammerne af multimedieforensik, ved at bruge individers puls som den diskriminerende funktion. JEI er co-udgivet af SPIE, det internationale samfund for optik og fotonik, og af Society for Imaging Science and Technology (IS&T).

Mennesker præsenterer et pulssignal, der automatisk kan udtrækkes fra en videosekvens; virtuelle mennesker gør ikke. I deres papir, Mattia Bonomi og Giulia Boato demonstrerer, at ved at fokusere på en algoritme til estimering af pulsfrekvens fra menneskelige ansigter og beregning af statistik fra den puls, de kan klassificere inputfladen som CG eller NAT.

"Seneste fremskridt inden for maskinlæring og computergrafik har ført til den hurtige udvikling af 'deepfakes, ' hvor ansigtet på en rigtig person i en video er erstattet af en computergenereret en, " bemærker JEI-chefredaktør Karén Egiazarian. "Denne teknologi er åbent tilgængelig i dag, og, sammen med dens brede anvendelse i filmindustrien og reklamer, det er også blevet brugt af svindlere. Men hvordan skelner man et menneskeligt ansigt fra et computergenereret ansigt? Bonomi og Boato løser dette spørgsmål ved at foreslå og anvende en fysiologisk signalanalyse, udvinding af pulsen fra videoen af ​​et menneskeligt ansigt, og bruge det som en diskriminerende faktor."

Artiklens forfattere er Mattia Bonomi og Giulia Boato, begge fra University of Trento, Institut for Teknik og Datalogi, Trento, Italien.