Source-Face Authenticity Detection for 3D Gaussian Heads Reconstructed from a Single Portrait: A Benchmark and Dedicated Detector
تقدم هذه الورقة أول معيار مرجعي واسع النطاق وكاشفاً مبتكراً ذا مرحلتين يستفيد من الترميز التلقائي المقنع، والتعلم التبايني متعدد الرؤى، ودمج الرموز متعدد المستويات للتمييز بفعالية بين الوجوه المصدرية الحقيقية والمزيفة في رؤوس غاوس ثلاثية الأبعاد المعاد بناؤها من صور شخصية واحدة، مما يعالج تحدي ضعف آثار التزوير في الأساليب الحالية.
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
في العصر الرقمي، يمكن الآن تحويل صورة فوتوغرافية واحدة إلى رأس ثلاثي الأبعاد بالكامل يمكن تدويره وتكبيره ومشاهدته من أي زاوية. هذه التقنية، التي تبني نموذجاً ثلاثي الأبعاد واقعياً من مجرد صورة مسطحة واحدة، فتحت آفاقاً جديدة للصور الرمزية الافتراضية والترفيه الغامر. ومع ذلك، فإن هذه القدرة ذاتها تخلق ثغرة أمنية كبيرة؛ فإذا كانت الصورة الأصلية مزورة —سواء تم إنشاؤها بواسطة الذكاء الاصطناعي أو تم التلاعب بها لتغيير هوية الشخص— فإن النموذج ثلاثي الأبعاد الناتج سيرث تلك الهوية المزيفة. ولأن النموذج ثلاثي الأبعاد يمكن رندرتُه (إخراجه) من زوايا جديدة، فإنه يصبح أصلاً مستمراً ومقنعاً لانتحال الشخصية، مما قد يؤدي إلى تجاوز الأنظمة الأمنية التي تعتمد على التعرف على الوجه. ويكمن التحدي الجوهري في حقيقة أن عملية تحويل صورة ثنائية الأبعاد إلى كائن ثلاثي الأبعاد غالباً ما تعمل على تنعيم أو إخفاء البصمات الرقمية الدقيقة التي تكشف ما إذا كانت الصورة المصدر حقيقية أم مزيفة.
ولمعالجة هذا التهديد المتنامي، طور باحثون أول نظام واسع النطاق مصمم خصيصاً للكشف عما إذا كان الرأس ثلاثي الأبعاد المُعاد بناؤه من صورة شخصية واحدة يعتمد على شخص حقيقي أم شخص مُصطنع. فقد أنشأ الفريق مجموعة بيانات ضخمة تحتوي على ما يقرب من 360,000 صورة مُرندرة لرؤوس ثلاثية الأبعاد. تم توليد هذه الصور من مزيج من الصور الفوتوغرافية الحقيقية والمزورة، حيث تم إنشاء الأخيرة باستخدام تسعة أساليب مختلفة من الذكاء الاصطناعي، بما في ذلك الأدوات التي تولد الوجوه من الأوصاف النصية، أو تبديل الوجوه بين الأشخاص، أو تحريك التعبيرات. ثم استخدم الباحثون خمس تقنيات إعادة بناء مختلفة لتحويل هذه الصور ثنائية الأبعاد إلى نماذج ثلاثية الأبعاد، مع رندرتها من زوايا مختلفة لمحاكاة كيفية مواجهة المستخدم لها في العالم الحقيقي.
وجد الباحثون أن الأدوات الموجودة والمصممة لكشف الصور ثنائية الأبعاد المزيفة فشلت عند تطبيقها على هذه النماذج ثلاثية الأبعاد. فقد عانت أدوات الكشف القياسية لأن عملية إعادة البناء ثلاثية الأبعاد غيرت الأدلة المرئية، كما جعلت زوايا النظر المتغيرة للرأس ثلاثي الأبعاد علامات التزييف تظهر بشكل مختلف اعتماداً على الزاوية. ولحل هذه المشكلة، بنى الفريق كاشفاً جديداً تم تدريبه على مرحلتين متميزتين. أولاً، تعلم النظام الحفاظ على التفاصيل الدقيقة من خلال ممارسة شكل من أشكال إعادة البناء البصري، حيث كان عليه ملء الأجزاء المفقودة من الصورة لفهم النسيج والبنية الأساسية. وفي الوقت نفسه، تعلم أن الرؤى المختلفة لنفس الرأس تنتمي إلى بعضها البعض، مما يضمن قدرته على تحديد الكائن باستمرار بغض النظر عن زاوية الكاميرا. وفي المرحلة الثانية، دمج النظام القرائن من طبقات مختلفة من تحليله لاتخاذ قرار نهائي، تماماً كما قد ينظر الإنسان إلى وجه من مسافات وزوايا متعددة ليتأكد مما يراه.
أظهرت النتائج أن هذا النهج الجديد تفوق بشكل كبير على جميع الأساليب السابقة. ففي مجموعة اختبار صُممت لمحاكة ظروف العالم الحقيقي، حقق الكاشف الجديد مساحة تحت المنحنى (AUC) بلغت 0.9، حيث حدد صحة الرؤوس ثلاثية الأبعاد بشكل أفضل بكثير من أي أداة أخرى تم اختبارها. وقد أثبت فعالية خاصة في رصد التزييف الناتج عن أحدث نماذج الذكاء الاصطناعي، حتى عندما لم تكن تلك النماذج جزءاً من بيانات التدريب. وتشير الدراسة إلى أنه من خلال التركيز على الحفاظ على التفاصيل الدقيقة والحفاظ على الاتساق عبر وجهات النظر المختلفة، فمن الممكن اكتشاف التزييف العميق حتى بعد تحويله إلى كائنات ثلاثية الأبعاد معقدة. ويضع هذا العمل معياراً جديداً للأمن في مجال الهوية الرقمية ثلاثية الأبعاد الناشئ، مما يوفر وسيلة للحماية من انتحال الشخصية في عالم يمكن فيه لصورة واحدة أن تصبح شخصاً ثلاثي الأبعاد قابلاً للرندرة بالكامل.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.