rPPG - Một phương pháp mới mẻ để phân biệt video DeepFake tổng hợp
(venturebeat.com)<p>Công nghệ DeepFake phát triển nhanh chóng có thể trở thành một trợ lực to lớn cho ngành công nghiệp giải trí, nhưng cũng có thể gây ra vấn đề làm gia tăng mức độ nghiêm trọng của tin giả. Vì vậy, việc sở hữu công nghệ có thể phân biệt những DeepFake như vậy mang ý nghĩa rất quan trọng.<br />
<br />
Nỗ lực của Microsoft nhằm ngăn chặn tin giả trong cuộc bầu cử tổng thống Mỹ sắp tới:<br />
https://vi.news.hada.io/topic?id=2767<br />
<br />
Tôi chia sẻ một bài viết giới thiệu một phương pháp mới mẻ để phân biệt video DeepFake. (Tiếng Anh) Phương pháp này phân biệt khuôn mặt người thật và DeepFake dựa trên tín hiệu nhịp tim được trích xuất từ khuôn mặt con người.<br />
<br />
Phương pháp đo nhịp tim của con người trong các thiết bị đo độ bão hòa oxy không xâm lấn tại bệnh viện hoặc các smartwatch nay đã khá phổ biến được gọi bằng thuật ngữ chuyên môn là PPG (Photoplethysmography, đo quang thể tích máu). Khi chiếu ánh sáng lên cơ thể người, ánh sáng đó sẽ bị hấp thụ, và mức độ hấp thụ này tỉ lệ với thể tích của da, mô và máu trên đường đi của ánh sáng. Tuy nhiên, thể tích của da hay mô không thay đổi đột ngột, còn thể tích máu trong mạch máu ở một vị trí nhất định sẽ tăng khi tim co và giảm khi tim giãn. Vì vậy, chỉ cần vẽ đồ thị mẫu hấp thụ ánh sáng và đo khoảng cách giữa các đỉnh là có thể xác định được nhịp tim. Đơn giản hơn tưởng tượng, đúng không.<br />
<br />
rPPG (Remote photoplethysmography, đo quang thể tích máu từ xa) tiến thêm một bước từ đó. Con người hay camera có thể nhìn thấy vật thể là vì ánh sáng phát ra từ đâu đó phản xạ lên vật thể rồi đi vào mắt hoặc camera. Nhưng nếu nghĩ theo nguyên lý của PPG đã nói ở trên, thì trong ánh sáng phản xạ từ một bộ phận cơ thể như khuôn mặt của người sống, tuy rất mờ nhưng rõ ràng có ẩn chứa những biến đổi phản ánh mẫu nhịp mạch. rPPG là việc khuếch đại mạnh những thay đổi rất nhỏ này để đo nhịp tim chỉ từ video khuôn mặt do camera quay, không cần công cụ đo riêng hay tiếp xúc trực tiếp. Phương pháp này phụ thuộc vào những thay đổi cực kỳ nhỏ của sắc mặt, nhưng các hệ thống rPPG áp dụng deep learning gần đây được biết là có thể trích xuất những thay đổi như vậy ngay cả từ video khuôn mặt có mức nén khá cao.<br />
<br />
Vậy nếu trích xuất tín hiệu sinh học theo cách này, liệu có thể phân biệt khuôn mặt người thật với khuôn mặt được tạo bằng DeepFake hay không? Vì thế, gần đây đã có những bài báo công bố kết quả các thí nghiệm phát hiện video khuôn mặt DeepFake dựa trên các kỹ thuật rPPG mới nhất. Nói ngắn gọn, tín hiệu rPPG xuất hiện ở khuôn mặt người thật và khuôn mặt do DeepFake tạo ra có mẫu hình khác biệt rõ rệt, và tùy theo loại mô hình dùng để tạo DeepFake mà mẫu tín hiệu rPPG được trích xuất cũng khác nhau. Do đó, không chỉ có thể phân biệt video DeepFake bằng phương pháp này, mà còn có thể xác định với độ chính xác khá cao cụ thể mô hình nào đã được sử dụng.<br />
<br />
Nguyên văn các bài báo đó:<br />
https://arxiv.org/abs/2006.07634<br />
https://arxiv.org/abs/2008.11363</p>;
3 bình luận