Почему я делаю то, что делаю

Недавно я взялся за новую исследовательскую работу по обнаружению дипфейков. Я заинтересован в этом поле по ряду причин, главная из которых заключается в том, что здесь есть большой потенциал для исследований. В отличие от таких областей, как сегментация клиентов, анализ системы здравоохранения или обнаружение болезни Паркинсона (мой предыдущий опыт работы), правила взаимодействия запутаны.

Учитывая постоянно меняющийся характер DeepFake, у нас нет настоящего репрезентативного набора данных, который я мог бы просто проанализировать.

Люди находят новые способы создания DeepFake, которые сбивают алгоритмы обнаружения. Добавление большего количества типов видео (особенно по мере того, как мир становится все более цифровым) и форматов еще больше мутят воду. Поэтому мне нужно, чтобы мои исследования можно было масштабировать на большое количество дистрибутивов (типов DeepFake), даже если они созданы с использованием новых технологий. И мне нужно убедиться, что мое решение не слишком дорогое, иначе мое решение не будет полезным. Какое отношение это имеет к предотвращению DeepFake? Чтобы понять это, давайте сначала поговорим о том, что представляет собой моя работа и как я вижу людей, использующих мое решение.

Какова моя идея?

Посмотрите видео слева, чтобы понять идею в деталях (если вы заняты, см. следующий абзац). Речь идет об исследовании, которое я провел, чтобы подтвердить свою догадку. Это мое введение в соответствующее исследование и очень краткий обзор идеи. Первоначально я использовал эту подборку, чтобы выступить с докладом на конференции RIR (Research In-Ring) моего университета, где люди могли представить новые идеи и результаты. Я получил свою текущую работу как прямое следствие этого разговора и моей компиляции слайд-шоу. Слайды связаны здесь. Я буду обновлять слайды по мере появления новой информации.

Для тех из вас, кто не заинтересован в просмотре всего, я дам вам тл;др. Проще говоря, моя идея состоит в том, чтобы взять изображение и запустить на нем все виды криминалистического анализа/извлечения признаков/алгоритмы понижения частоты дискретизации. Результатом этого будет набор изображений с пониженной частотой дискретизации с выделенными определенными функциями. Мы используем эти изображения в качестве входных данных для классификатора, чтобы определить, является ли что-то возможным DeepFake. Использование изображений с пониженной частотой дискретизации значительно дешевле (даже если у нас их больше). Сомневаюсь, что это сработает? Ну, отдохни, потому что

Артефакты могут быть обнаружены. Поэтому мы должны иметь возможность использовать их комбинацию, чтобы проверить, является ли изображение DeepFake или нет. Но теперь, по причине того, что вы нажали на это видео: «Почему биф против глубокого обучения?». Проще говоря, это слишком дорого, чтобы его можно было масштабировать во многих контекстах. Хочу больше? Читать дальше. У нас также есть люди, достигающие результатов с помощью подобных подходов, таких как:

Где вы увидите DeepFakes (скорее всего)?

Твиттер, Фейсбук, другие социальные сети. Все эти сайты работают с объемом сотен миллионов изображений КАЖДЫЙ ДЕНЬ. Только на FB ежедневно загружается 250 миллионов изображений.

Ну и что?

Если мы будем запускать дорогостоящие алгоритмы DeepLearning для каждого загруженного изображения, мы очень быстро выдадим серверы из строя. Хотя точность 90%+ важна, наши решения должны быть полезны в том контексте, в котором они будут применяться, а не в изолированной лаборатории/ноутбуке/облаке. Вот где моя цель. Я намерен построить рентабельный фильтр. Что-то, что может проверить большинство изображений (чтобы мы могли запускать более точные, тяжелые детекторы на изображениях, которые в этом нуждаются). Также важно сократить количество ложноотрицательных результатов. Следующее видео резюмирует эту статью (и почему я сосредоточусь на сокращении ложноотрицательных результатов). Видео представляет собой более подробное погружение в философию моего подхода, а также некоторые идеи, которые я должен использовать после ложноотрицательных результатов.

Это примерно с моей стороны. Как всегда, поделитесь своими мыслями в комментариях ниже. Хотелось бы получить больше информации о моих исследованиях и идеях. Следуйте за мной здесь, чтобы не отставать от моей работы. Поделитесь ею с теми, кому это может быть интересно. Ниже приведены все места, где вы можете связаться со мной. Мир.

Свяжитесь со мной

Пожалуйста, оставьте свой отзыв об этой статье ниже. Если это было полезно для вас, пожалуйста, поделитесь им и следуйте за мной здесь.

Ознакомьтесь с другими моими статьями на Medium. : https://rb.gy/zn1aiu

Мой Ютуб. Работа продолжается, ха-ха: https://rb.gy/88iwdd

Свяжитесь со мной в LinkedIn. Подключаемся: https://rb.gy/m5ok2y

Мой Твиттер: https://twitter.com/Machine01776819

Мой подстек: https://devanshacc.substack.com/

Если вы хотите работать со мной, напишите мне: [email protected]

Живые беседы на twitch здесь: https://rb.gy/zlhk9y

Чтобы получать обновления моего контента- Instagram: https://rb.gy/gmvuy9

Получите бесплатный сток на Robinhood: https://join.robinhood.com/fnud75