华为|DeepFake天敌出现：用血氧仪原理识别假脸，准确率高达97% 苹果|iphone12

文章图片

文章图片

DeepFake 已经不再是只有少数科研人员掌握的技术了，它被越来越多怀有不良动机的人，应用到现实生活的方方面面中，引发不必要的误解，比如说炮制色情影片或者虚假新闻等。
最近，一篇刊登在 IEEE PAMI（模式分析与机器智能汇刊）上的论文称，有新的方法能够准确识别 DeepFake 视频，甚至能以很高的准确率，识别出视频采用的是哪种 DeepFake 算法。
这篇论文有意思之处，在于它的思路别出心裁：识别人脸面部因心跳血流产生的微弱变化。
血管遍布人体全身，包括脸上。比如在睡觉的时候，你可能会感觉到面部血液流动产生的轻微“跳动”感。
随着心跳导致的血液流动，人体皮肤也会出现区域性颜色变化。常见的脉搏血氧仪，其工作方式其实就是识别这种变化。（学名叫做光体积变化描记法 Photoplethysmography 简称 PPG 。后面还会提到这个词。）
因心跳产生的皮肤颜色变化，在人脸上同样会出现，只是极其微弱，对肉眼不可见，在视频里就更难看出来了。不过对视频进行特定处理，增强颜色变化的效果，肉眼就可以很明显地观察出来了：
你可能想问：这种方法识别心跳准确吗？当然准了， Apple Watch 和一大堆血氧仪都采用的这种方法。它的准确率和心电图基本吻合，如下图所示：
三位分别来自纽约州立大学宾汉顿分校和英特尔公司的研究人员，在这篇新论文里提出了一个重要的主张：无论是在空间维度还是时间维度上， DeepFake 的假人脸都无法还原这种因血液流动造成的微弱变化。
空间维度就是面部区域，时间维度就是心跳频率。 DeepFake 的假人脸，不是体现不了这种微弱变化。在进行大量测试后，研究人员发现：DeepFake 视频里的人脸，读取到的 PPG 信号是不稳定的。
这句话的意思是：如果你对 DeepFake 视频进行增强，会发现血流变化产生的颜色变化在人脸上显示非常不自然，变化的频率也完全不像真的心跳。
从下图中你可以看的更清楚：四种 DeepFake 算法生成的视频，产生的 PPG 信号都有很多“杂讯” ，而真实视频的“杂讯”很少。
基于这个主张，研究人员设计了一套基于卷积神经网络的模型，命名为 FakeCatcher 。
FakeCatcher从不同的 DeepFake 视频中提取 1）关键的人脸区域 2）读取 PPG 信号，将两者组合成一个时空模块（称为一个 PPG 元素）。再对 PPG 元素进行学习，最终就可以给出答案了。