檢查視頻的變化隨著時間的推移有助于旗幟

它曾經只是只有有熟練的藝術家和技術人員的深層口袋和技術人員的好萊塢生產公司可以制作Deepfake視頻，呈現出呈現的逼真的結構，以表明人們在做和說出他們從未實際做過的事情。不再是 - 軟件在線免費提供，讓任何人使用電腦和一段時間在他們的手上創造了令人信服的假視頻。

無論是用于個人復仇，騷擾名人還是影響輿論，Deepfakes就會不真實的“看到相信”的古老公理。

我的研究隊員安排南加州信息科學研究所正在開發講述現實看起來與展示實際事件的真實假日和真正視頻之間的差異。我們最近的研究已經重新發現了，并且顯然更準確的方法檢測DeepFake視頻。

尋找瑕疵

一般而言，各種DeepFake算法通過使用機器學習技術來分析目標的圖像，識別面部表達的關鍵元素，如鼻子，嘴角，眼睛的位置等。他們使用該信息來綜合該人臉的新圖像，并將它們放在一起以創建一個看起來現實但是假的目標的視頻。

最新的檢測DeepFakes的方法涉及單獨查看視頻的每一幀，無論是手動還是檢測算法，都可以通過圖像制造過程留給的斑點缺陷。如果有足夠的證據篡改足夠的框架，那段視頻被認為是假的。

然而，DeepFake創造者已經開始淘汰大量的圖像和視頻壓縮，模糊他們的結果，隱藏了可能揭示他們虛假的偽像。

看序列，不是單幀

我們的方法旨在通過采取不同的方法來解決這種欺騙。我們從視頻中提取所有幀，并識別顯示目標臉部的區域。然后，實際上，彼此頂部堆疊所有這些面部圖像，確保鼻子，眼睛和嘴巴都在每個框架之間對齊。這消除了視頻中的頭部運動或攝像機角度偏移的影響。

然后，而不是絲制查看每個臉部映像，我們尋找不一致的面部的不同部分從幀移動到幀的時間。它有點像設置一個孩子的翻蓋，然后在序列中觀看奇怪的跳躍。我們發現該方法更加準確，部分原因是我們可以識別比單獨查看每個框架的誤操作的更多證據。

具體而言，即使圖像和視頻顯著壓縮，呈現過96％的時間。到目前為止，我們已經發現，只有在學術研究人員的唯一用于評估其DeepFake檢測技術的大規模數據庫中，只能對唯一的大規模數據庫進行準確性，這是Caltface ForceSicsicsicsicsicsics ++。數據集包含來自三個最突出的Deepfake發電算法，面部2面，Faceswap和DeepFake的視頻，盡管偽裝者始終改善其方法。