Imagen del conjunto de datos PGGAN. Crédito:Karras et al.
Investigadores de la Universidad Estatal de Nueva York en Corea han explorado recientemente nuevas formas de detectar imágenes falsas de rostros creadas tanto por máquinas como por humanos. En su papel publicado en ACM Digital Library, los investigadores utilizaron métodos de conjunto para detectar imágenes creadas por redes generativas adversarias (GAN) y emplearon técnicas de preprocesamiento para mejorar la detección de imágenes creadas por humanos utilizando Photoshop.
En los ultimos años, avances significativos en el procesamiento de imágenes y el aprendizaje automático han permitido la generación de falsificaciones, pero muy realista, imágenes. Sin embargo, estas imágenes también podrían usarse para crear identidades falsas, hacer que las noticias falsas sean más convincentes, omitir algoritmos de detección de imágenes, o herramientas de reconocimiento de imágenes engañosas.
"Las imágenes de caras falsas han sido un tema de investigación desde hace bastante tiempo, pero los estudios se han centrado principalmente en fotos hechas por humanos, usando herramientas de Photoshop, "Shahroz Tariq, uno de los investigadores que llevó a cabo el estudio le dijo a Tech Xplore. "Recientemente, un estudio de Karras et al. demostró que una red generativa de adversarios (GAN) podría producir imágenes de rostros humanos casi realistas. La gente podría usar estas fotos con malicia, por ejemplo, para crear identificaciones falsas en Internet ".
El enfoque de la investigación llevada a cabo por Tariq y sus colegas fue detectar fotos falsas de rostros generadas por computadora y generadas por humanos utilizando técnicas de aprendizaje profundo. Para hacer esto, desarrollaron un clasificador de redes neuronales y lo entrenaron en un conjunto de datos de imágenes reales y falsas.
Imagen del conjunto de datos de CelebA. Crédito:Liu et al.
"El clasificador de redes neuronales aprende las características de discriminación entre las imágenes reales y falsas al examinar una base de datos masiva de imágenes tanto falsas como reales, "Dijo Tariq.
En lugar de analizar los metadatos de las imágenes, este clasificador se centra en el contenido de la imagen. En pruebas preliminares, logró resultados notables, detectando imágenes falsas de rostros generadas por GAN y creadas por humanos con una precisión del 94 por ciento.
"Incluso si las imágenes generadas por computadora parecen muy realistas para el ojo humano, el clasificador de redes neuronales pudo detectar algunas diferencias mínimas, lo que le permitió clasificar correctamente las imágenes, ", Dijo Tariq." También encontramos que las fotos falsas creadas por humanos con herramientas de Photoshop son mucho más difíciles de detectar, ya que hay muchas variaciones posibles ".
Imagen real. Crédito:Tariq et al.
En el futuro, el clasificador desarrollado por Tariq y sus colegas podría ayudar a identificar imágenes falsas, generados por GAN o por humanos que utilizan software de edición de gráficos, como Photoshop. Los investigadores ahora planean desarrollar aún más su clasificador, entrenándolo en más imágenes generadas por máquinas y humanos.
Imagen con Photoshop. Crédito:Tariq et al.
"A medida que los métodos para generar imágenes sintéticas se vuelven más sofisticados, las fotos generadas con estos métodos se volverán más realistas y será más difícil para el clasificador de redes neuronales detectar sus diferencias, ", Explicó Tariq." Por lo tanto, queremos seguir mejorando nuestros métodos, para detectar mejor esas fotos ".
© 2018 Science X Network
