Transfer-Learned DeepLabV3+ Semantic Segmentation for Pixel-Level Image Forgery Localisation
تقدم هذه الورقة نموذج DeepLabV3+ تم تعلمه بالانتقال، والذي يحقق دقة واستدعاءً عاليين في تحديد تزييف الصور على مستوى البكسل، رغم أن أداءه الاستثنائي يعزى إلى حد كبير إلى تسرب بيانات كبير حيث تكون جميع إطارات الاختبار تقريبًا نسخًا متطابقة تقريبًا من مجموعة التدريب.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://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 عالمنا المعاصر، نادراً ما تكون الصورة الفوتوغرافية مجرد صورة فحسب؛ فهي إما دليل في قاعة محكمة، أو عنوان في موقع إخباري، أو ذكرى يتم مشاركتها على وسائل التواصل الاجتماعي. لعقود من الزمن، اعتمد الخبراء على طرق سلبية لكشف التزييف، عبر البحث عن أخطاء إحصائية دقيقة تترك خلفها عند تعديل الصورة، مثل عدم تطابق الإضاءة أو الأنماط الغريبة في حبيبات الصورة. ومع ذلك، فإن معظم هذه الطرق لا تجيب إلا على سؤال بسيط بنعم أو لا: هل هذه الصورة مزيفة؟ وهذه الإجابة غالباً ما تكون غير كافية للمحقق الذي يحتاج إلى معرفة مكان حدوث التلاعب بالضبط. ولكي تكون الأداة الجنائية مفيدة حقاً، يجب أن ترسم خريطة، تسلط الضوء على البكسلات المحددة التي تم المساس بها مع ترك بقية الصورة دون تغيير. هذا هو تحدي "التحديد على مستوى البكسل" (pixel-level localisation)، وهي مهمة تزداد صعوبة نظراً لأن المناطق المزورة غالباً ما تكون ضئيلة مقارنة بالمساحات الشاسعة للخلفية الأصلية، ولأن المنطقة المزيفة مصممة لتبدو تماماً مثل الحقيقية، مما لا يقدم أي أدلة بصرية واضحة.
لقد طور فريق من الباحثين نهجاً جديداً لهذه المشكلة، حيث أنشأوا نظاماً يعمل كعين مدربة تدريباً عالياً قادرة على مسح صورة كاملة وتحديد كل بكسل فيها كأصيل أو متلاعب به. لقد بنوا نموذجاً حاسوبياً يعتمد على بنية تعلم عميق تُعرف باسم DeepLabV3+، وهي مصممة لفهم سياق الصورة على مستويات متعددة في آن واحد. تم تدريب النظام على مجموعة ضخمة تضم ما يقرب من 48,000 صورة متلاعب بها، كل منها مقترن بخريطة مثالية (بكسل ببكسل) توضح بدقة مكان حدوث التزوير. علّم الباحثون النموذج البحث عن التناقضات الإحصائية بدلاً من الاختلافات البصرية الواضحة، باستخدام استراتيجية رياضية محددة تجبر الحاسوب على الانتباه للمناطق المزورة الصغيرة والنادرة بدلاً من تجاهلها لصالح الخلفية الكبيرة والشائعة.
كانت نتائج هذا التدريب مذهلة. فعند اختبار النظام على آلاف الصور من نفس المصدر، نجح النظام في تحديد البكسلات المزورة بدرجة عالية من الدقة، حيث وجد أكثر من 94 بالمئة من المناطق المتلاعب بها مع ارتكاب أخطاء قليلة جداً في الأجزاء الأصلية. أنتج النموذج خريطة مكانية رسمت بوضوح حدود التلاعب، متبعةً خطوط الأجسام بدلاً من رسم خطوط مربعة غير دقيقة. وقد تحقق هذا المستوى من الدقة من خلال الجمع بين هدفين تعليميين مختلفين: أحدهما يقيس مدى مطابقة الشكل المتوقع للشكل الحقيقي، والآخر يقيم صحة كل بكسل على حدة. هذا الجمع منع النموذج من الوقوع في فخ شائع يتمثل في افتراض أن الصورة بأكملها حقيقية، وهو خطأ قد يبدو ناجحاً على الورق ولكنه سيكون عديم الفائدة في الممارسة العملية.
ومع ذلك، كان الباحثون حذرين في شرح حدود نجاحهم. فقد اكتشفوا أن بيانات الاختبار الخاصة بهم تحتوي على قدر كبير من التكرار؛ حيث إن ما يقرب من 90.4% من إطارات الاختبار تشترك في أقنعة (masks) أرضية متطابقة بتّاً ببتّ مع تلك الموجودة في مجموعة التدريب، و94.6% منها كانت صوراً شبه متطابقة في تقسيم التدريب. وهذا يعني أن النموذج كان يُختبر على مواد قريبة إحصائياً مما درسه بالفعل. علاوة على ذلك، جاء نصف بيانات التدريب ونصف بيانات الاختبار من حيز لوني لا يستخدمه أي معيار مرجعي جنائي عام، ويتكون من صور غير طبيعية محولة لونياً. وبينما قدم النظام أداءً استثنائياً في هذا النوع المحدد من البيانات، مما يثبت قدرته على تعلم أنماط عملية تزوير معينة، إلا أن المؤلفين يحذرون من أن هذا لا يضمن عمله بنفس الكفاءة على أنواع مختلفة تماماً من الصور أو من مصادر مختلفة. وتستبعد الدراسة صراحةً فكرة أن النموذج قد حل مشكلة كشف التزوير العامة لجميع الصور، مشيرة إلى أن أداءه يعد مقياساً صالحاً لمدى جودة تعامله مع المواد القريبة من بيانات التدريب الخاصة به، وليس بالضرورة كيف سيكون أداؤه أمام لقطات غير مرئية.
إن جوهر اكتشافهم هو أن اختيار طريقة التدريب يهم أكثر من حجم مجموعة البيانات وحدها. ففي تجارب سابقة، فشلت نفس البنية الحاسوبية تماماً عند تدريبها باستخدام طريقة قياسية، حيث تجاهلت البكسلات المزورة تماماً وأبلغت عن دقة عالية لمجرد أنها افترضت أن الخلفية موجودة في كل مكان. ومن خلال الانتقال إلى طريقة تزن أهمية المناطق النادرة المزورة بشكل خاص، عالج الباحثون هذا الفشل، مما سمح للنموذج بتعلم العلامات الدقيقة للتلاعب. كما وجدوا أيضاً أن البدء بنموذج تعلم بالفعل كيفية التعرف على الميزات العامة من مكتبة ضخمة من الصور اليومية ساعد النظام على تعلم المهمة الجنائية بشكل أسرع بكثير، على الرغم من أن الصور التي كان يحللها لم تكن هي نفسها التي رآها من قبل.
يمثل هذا العمل خطوة مهمة للأمام في مجال الأدلة الجنائية الرقمية، ليس لأنه حل كل قضية، بل لأنه أثبت وجود طريقة موثوقة لإنشاء خرائط تفصيلية للتلاعب بالصور. يوفر النظام للمحققين أداة يمكنها الإشارة مباشرة إلى الأجزاء المعدلة في الصورة، محولةً الشبه الغامض إلى منطقة تركيز ملموسة. وبينما يقر الباحثون بأن العمل المستقبلي يجب أن يختبر النظام على مجموعات بيانات أكثر تنوعاً وتحدياً لضمان عمله في العالم الحقيقي، فإن نتائجهم الحالية تظهر أنه مع اتباع نهج التدريب الصحيح، يمكن تعليم الحواسيب رؤية الآثار غير المرئية للخداع الرقمي بوضوح مذهل.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.