砸自家招牌?PS 发布准确率高达 99% 的「去 PS」神器

  • 时间:
  • 浏览:0
  • 来源:大发时时彩_时时彩最新网址_大发时时彩最新网址

雷锋网 AI 科技评论按:天下苦「假照」久矣,作为世上闻名的「亚洲四大邪术」之一,中国 PS 术让人人皆可化身大片主人翁,与此一起去也给现代社会带来了不少的困惑与恐慌——如今网上充斥极少量的「移花接木」虚假内容,正冲击着数字媒体在普罗大众心中的信任感。鉴于此,Adobe 公司的研究员与自加州大学伯克利分校的科学家公司合作 开发出了一款可用于识别 PS 软件「液化」效果的工具。

PS 软件的「液化」工具究竟哪些样神奇的魔力呢?雷锋网 AI 科技评论让你们从网上找来有有另一个教学样板:

该照片被导入 PS 软件后,经历了一系列「向前变形」、「擦漏光」、「缩小」等「液化」工程后,最终生成的效果图如下:

算不算 不能自己相信这是同有两另一方?

近期很流行的老照片修复工作,未必大家表示林徽因被整出了一张「颜值脸」……

为了破除这个 由 PS「液化」工具制发名权来的「幻术」,Adobe 与伯克利研究团队训练了并算不算可用于识别人像变化的卷积神经网络 (CNN)。简单来说,这个 工具最终才能回答以下有有另一个哪些的问题报告 :

  1. 你们可不才能创发名权一款比人工识别更可靠的人像识别工具?

  2. 该工具算不算 能识别出人像具体经历了哪些更改?

  3. 你们可不才能撤除哪些更改以恢复人像从前的模样吗?

最终识别准确率高达 99%!

具体研发流程上,研究人员先编写了有有另一个软件脚本,对网上搜集来的数千张图片实施「液化」功能,由此创建有有另一个广泛的图像训练集。接着有有另一个子集被随机选中用于网络训练。为了进一步考验工具对于人工修整的识别能力,团队还专门请来一名人类艺术家对哪些混合在数据集里的图像进行调整。

左边是从 Flickr(顶部)以及 Open Images(底部)中抓取的真实图片;右边则是通过 PS 软件的「液化」工具随机自动创建的变形人像。你们可不才能看到,两者之间相差甚微。

研究团队在该数据集上对全局 & 局部变形预测网络进行训练,以局部预测网络为例,团队使用包括 flow warping prediction、relative warp preservation 和 pixel-wise reconstruction loss 等系列损失函数在内的训练组合。最终,团队让你们展示了偏离 应用任务管理器,包括才能有效识别出人像调整区域的可视化覆盖工具,以及才能对调整区域进行「消解」,进而取得接近原始人像效果的复原工具。

简单总结:

左一是「液化」过的图;

左二是通过工具识别出经过「液化」的区域;

左三是工具提供的「复原」建议;

最右是经过「复原」的「真面目」

最终的实验结果显示,人工识别的准确率必须 53%,而你们研发出的工具则可不才能达到 99% 的识别准确率!

总习惯发照前 P 个图的你们,颤抖吧!

工作原理

这个 工具身前涉及到的未必是被称作「图像取证」或「伪造检测」的技术,这偏离 内容在当今的计算机视觉领域变得日益重要。

在过去,不可能 有不少研究人员提出各种各样检测人像篡改状态的的取证最好的妙招,比如通过自定义线索的最好的妙招来检测图像,最典型如通过发现像素之间的周期相关性(自定义内容)来检测重采样伪影,然而例如型交互式编辑工具的操作上很错综复杂,且难以建模,很多很多并未在本次工作中被采用,团队最终选者基于极少量数据训练来习得相关能力;针对匮乏标注数据的哪些的问题报告 ,学界则提出各种自我监督式的训练最好的妙招,基于自动生成的假图像进行训练。

而为了让机器具备甄别真假的能力,团队在本次工作中使用 ResNet30 训练出了有有另一个二进制分类器,为 ImageNet 分类进行预训练,并根据任务可不才能进行微调。为了让机器进一步具备「还原」能力,团队首先预测有有另一个光流场 

,预测路径从原始图像 

 至篡改图像 X,怎么让 再用它来尝试「反向」恢复原始图像。

最后,一起去来看看工具的强大能力吧:

然而这不可能 都有 PS 第一次砸自家招牌

就在去年,同样是来自 Adobe 公司的研究员在 CVPR 上发表一篇图像篡改检测的相关论文(Learning Rich Features for Image Manipulation Detection),这篇工作的核心内容是让机器具备识别以下这 3 种图像篡改手段的能力:

  • 拼接——把别张图的物体拼接到另一张图上。

  • 克隆技术 - 移动——对一张图上的偏离 区域进行拷贝,怎么让 倒入图中的其它地方。

  • 移除——将图像中的偏离 元素进行移除。

换句话说,相较于「液化」这个 隐晦的调整结构,当时 Adobe 试图出理 的还是比较粗线条的图像窜改状态。

在这篇论文中,PS 研究团队提出有有另一个名为「双流 Faster R-CNN 网络」的出理 最好的妙招:

橘黄色的箭头连起来的是 RGB 流,深蓝色的箭头连起来的是噪声流。每个单独的流未必都有有有另一个 Faster R-CNN。

最终取得的识别成果如下:

该最好的妙招相较于怎么让 Baseline,如 ELA,NOI1 和 CFA1,识别图像窜改的能力也更加突出。

网友视频视频对此反应

这个 技术发布后,在微博上引起了网友视频视频们的热烈讨论,大家认为这款工具并“不讨喜”:

一起去上端调快聚集起了一帮吃瓜群众:

都大家在为另一方的终身大事发愁:

还有网友视频视频发出了灵魂一问:

不过你们跟我说不需要这样担心,据雷锋网 AI 科技评论了解,这个 一键复原照片至 PS 前原貌的技术,距离工具化尚有一段距离。

Adobe 研究员 Richard Zhang 在 Adobe 官方博客上明确表示,「想法离现实还很远」,你们会「进一步探索这个 领域的研究」。Adobe 科研主管 Gavin Miller 也表示,这个 工作是为了识别与阻止美图技术的滥用,「图像取证的旅程才以前始于」。

via https://theblog.adobe.com/adobe-research-and-uc-berkeley-detecting-facial-manipulations-in-adobe-photoshop/

雷锋网(公众号:雷锋网) AI 科技评论

声明:本文转载自第三方媒体,如需转载,请联系版权方授权转载。协助申请