为什么极棒还要办“虚假人脸 AI 识别大赛”？

作者：admin浏览数：2020-07-21 21:56:52

Oliver Taylor，英国伯明翰大学学生，20 多岁，棕眼，蓄胡须，爱喝咖啡，自由撰稿人，作品于发表在《耶路撒冷邮报》、《以色列时报》以及《The Algemeiner》。

但是“他”并不是真的。专家从上述图片中找出发现了蛛丝马迹——如线条魔幻的背景墙、衬衫两侧领口面料不匹配、牙齿两端模糊、野蛮生长的头发等 GAN （生成式对抗网络）的标志性特征——推断这张图其实是算法生成的。换言之，这个面带微笑的男人在现实生活中并不存在。

2019 年，Facebook、微软、亚马逊、麻省理工等知名企业、高校联合发起举办了一场针对人脸视频深度伪造检测挑战赛。尝试推动通过技术手段，检测深度造假的视频。挑战赛于今年 3 月 31 日结束，在所有参赛者提交的模型中，没有一组选手实现在黑盒数据集中，面对从未见过的造假视频系统的检测精度达到 70% 以上。 这意味着，自动检测虚假人脸视频依旧是一个困难而亟待解决的问题。

扫码报名

使用 GAN 生成的虚假图片示意图

上图中展示了一组真实和虚假的图片，其中虚假图片是由 StyleGAN 合成的。与原始的 GAN 方法相比，StyleGAN 实现了输入向量的特征解耦，使得控制向量的不同元素能够控制不同的视觉特征。并且 StyleGAN 还通过添加随机噪声的方式模拟了人们如雀斑、皱纹、胡须等的微小特征，从而令生成数据更贴近真实。

使用 deepfake 生成的虚假视频示意图

上图中是 DeepFakes 伪造前后的视频帧，DeepFakes 的核心是一个基于深度神经网络的“自动编码器”。常见的自动编码器通常包括一个 encoder 和一个 decoder，分别用于压缩输入图像，以及将压缩后的特征还原为输入数据。与此不同的是，DeepFakes 包含了一个共用的 encoder 和两个 decoder，其中 encoder 可以同时对原人物和目标人物进行压缩编码，而两个 decoder 则分别用于将压缩后的编码还原为原人物和目标人物。为了将 Person A 的身份交换为 Person B，则可以首先使用 encoder 对其图像进行压缩，随后再使用 decoder B 进行重建，从而得到具有 A 的表情而像 B 的合成结果。

在比赛中，需要参赛选手将这些用 AI 算法生成的虚假视频和图像甄别出来。

官方示例发布

1. 本例子所用的 docker image，请用命令下载：

docker pull darknavy/geekpwn:pytorch1.5.1-cuda10.1-cudnn7-caad2020

2. 代码和模型位于：

链接: https://pan.baidu.com/s/1KyhzaaYPlZ7Zi6sQZ8HrAQ 提取码: ebru

3. 测试数据位于：

链接: https://pan.baidu.com/s/1P_BlqoCmHOP0pGVmdIRn9Q 提取码: pyjm

4. 把代码模型，测试数据分别解压，得到 GeekPwn_CAAD_demo 文件夹和 test_data 文件夹。请自行再生成一个 output 文件夹用来存放输出。

5. 用下面的命令启动 nvidia-docker 运行例子，注意把命令中的 PATH 改为实际的路径（需要使用绝对路径，而非相对路径）。这个命令也将是评分系统将使用的。如果复制的命令执行错误，请尝试手工输入。因为复制粘贴过程中可能会导致一些字符发生变化。

NV_GPU=0 nvidia-docker run --rm -ti -v <PATH here>/GeekPwn_CAAD_demo:/code -v <PATH here>/test_data:/input -v <PATH here>/output:/output -w /code darknavy/geekpwn:pytorch1.5.1-cuda10.1-cudnn7-caad2020 sh /code/run_test.sh

6. 运行结束后，在 output 文件夹中的 submission.csv 即为结果。

想要了解更多关于 GeekPwn 赛事以及 CAAD “AI 变脸口罩挑战赛”等赛事相关说明，欢迎加入 “GeekPwn极友会”知识星球，第一时间 Q 过来！

报名截止时间：9月30日

报名截止时间：8月27日

报名截止时间：9月30日

前往极棒官网