Face2Parts: Exploring Coarse-to-Fine Inter-Regional Facial Dependencies for Generalized Deepfake Detection
تقترح الورقة البحثية Face2Parts، وهي طريقة هجينة جديدة للكشف عن التزييف العميق تعتمد على تمثيل الميزات الهرمي لالتقاط الاعتمادات المتبادلة بين المناطق من الخشن إلى الناعم بين مكونات الوجه (الإطار، والوجه، والشفاه، والعينين، والأنف) عبر انتباه القنوات والتعلم الثلاثي العميق، محققةً قدرة فائقة على التعميم والأداء عبر مجموعات بيانات مرجعية متعددة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك محقق تحاول كشف بطاقة هوية مزورة.
معظم المحققين التقليديين (أساليب الذكاء الاصطناعي الحالية) ينظرون فقط إلى الصورة الموجودة على البطاقة؛ حيث يتحققون مما إذا كان الوجه يبدو حقيقياً. ولكن ماذا لو كان المزور بارعاً حقاً في نسخ الوجه، لكنه أخطأ في الخلفية، أو في الطريقة التي ترمش بها عينا الشخص، أو في كيفية حركة شفتيه أثناء الكلام؟ إذا نظرت إلى الوجه فقط، فقد يتم خداعك.
تقدم هذه الورقة البحثية فريق تحقيق جديد يسمى Face2Parts. فبدلاً من مجرد النظر إلى الوجه بأكمبله، يقوم هذا الفريق بتفكيك عملية التحقيق إلى ثلاثة مستويات من التفاصيل، تماماً مثل التكبير باستخدام عدسة مكبرة.
مستويات التحقيق الثلاثة
فكر في طريقة Face2Parts كفريق من ثلاثة متخصصين يعملون معاً:
متخصص الزاوية الواسعة (المستوى 1 - الإطار):
هذا الشخص ينظر إلى الصورة بأكملها، بما في ذلك الخلفية والإضاءة. ويسأل: "هل يبدو المشهد بأكمله طبيعياً؟ هل الإضاءة متناسقة؟" هذه هي الرؤية "العامة".متخصص البورتريه (المستوى 2 - الوجه):
يقوم هذا الشخص بالتقريب للتركيز على الوجه فقط. وهو يتحقق من ملمس الجلد والشكل العام. هذه هي الرؤية "المتوسطة".المفتش الدقيق (المستوى 3 - الأجزاء):
هذا هو الجزء الأكثر تفصيلاً. يستخدم هذا المتخصص مجهراً للنظر في أجزاء محددة وصغيرة جداً: العين اليسرى، والعين اليمنى، والشفاه، والأنف. وهو يتحقق من وجود أي خلل طفيف، مثل شفاه لا تتزامن تماماً مع الصوت، أو عين تعكس الضوء بشكل غريب. هذه هي الرؤية "الدقيقة".
كيف يعملون معاً: "اجتماع الفريق"
في الماضي، كان المحققون يعملون بمفردهم. أما طريقة Face2Parts فتستخدم اجتماع فريق خاص (يُسمى آلية انتباه القنوات - Channel-Attention Mechanism).
تخيل أن المتخصصين الثلاثة في غرفة واحدة. قد يقول المفتش الدقيق: "مهلاً، الشفاه تبدو مريبة!" بينما يقول متخصص الزاوية الواسعة: "لكن إضاءة الخلفية مثالية!".
وبدلاً من تجاهل ملاحظات بعضهم البعض، فإنهم يتشاركون ملاحظاتهم. يقوم النظام بوزن رأي كل منهم بناءً على الموقف؛ فإذا كانت الشفاه هي الدليل، يستمع النظام للمفتش الدقيق. وإذا كانت الخلفية هي الدليل، يستمع لمتخصص الزاوية الواسعة. إنهم يدمجون آراءهم للوصول إلى قرار نهائي.
كما يستخدمون لعبة تدريبية تسمى التعلم الثلاثي (Triplet Learning). تخيل عرض ثلاث صور للفريق:
- الصورة (أ): شخص حقيقي (المرجع/الأساس).
- الصورة (ب): شخص حقيقي آخر (الإيجابي).
- الصورة (ج): "ديب فيك" مزيف (السلبي).
يتعلم الفريق أن يقول: "أ و ب صديقان (كلاهما حقيقي)، لكن ج غريب عنا (مزيف)". ومن خلال ممارسة هذه اللعبة آلاف المرات، يصبحون بارعين جداً في رصد الفروق الدقيقة التي تفوت البشر.
لماذا يهم هذا الأمر؟
اختبرت الورقة البحثية فريق التحقيق الجديد هذا على أنواع مختلفة من "بطاقات الهوية المزورة" (مجموعات البيانات) التي أنشأها مخترقون مختلفون.
- النتيجة: كان من الصعب جداً خداع فريق Face2Parts مقارنة بالمحققين القدامى.
- الدرجة: حصلوا على درجة تقارب الكمال (أكثر من 98%) في العديد من الاختبارات، وحتى 100% في بعض الاختبارات الصعبة التي فشلت فيها الطرق الأخرى.
الخلاصة
أصبحت تقنيات الـ "ديب فيك" (التزييف العميق) أفضل في تزييف الوجه فقط. ولإمساكهم، لا يمكننا الاكتفاء بالنظر إلى الوجه فحسب؛ بل نحتاج إلى النظر إلى المشهد بأكمله، والوجه، والتفاصيل الدقيقة في آن واحد.
إن Face2Parts يشبه الترقية من مجرد حارس أمن واحد عند الباب إلى فريق أمني كامل يضم كاميرات، ومجاهر، ومركز قيادة مركزي يتواصل فيه الجميع مع بعضهم البعض. وهذا يجعل من الصديد جداً أن يتسلل أي تزييف عبر الثغرات.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.