Fake-Videos: Deep Video Portraits erlaubt beinahe perfekte Fälschungen
Mittels Deep Fakes ist die Erstellung von Fake-Videos bereits seit Längerem möglich. Doch der Algorithmus ist nicht perfekt und vor allem für Artefakte anfällig. Mit dem nun von Wissenschaftlern auf der Siggraph 2018 vorgestellten Deep Video Portraits gehören diese offenbar der Vergangenheit an. Die Resultate können sich sehen lassen.
Fake-Videos sind schon lange keine Zukunftsmusik mehr. Zu Jahresbeginn machte Deep Fakes bereits Schlagzeilen. Mittels App und Deep Learning-Technologien wurden nicht nur viele Späße gemacht, sondern auch die Gesichter von Prominenten in pornografische Videoclips montiert. Gerade auf Reddit florierte der Austausch mit den Fake-Videos. Nach einschlägigen Berichten entschloss sich die Plattform zur Schließung betreffender Subreddits mit den Promi-Fake-Pornos. Zwar fanden sich unter diesen einige beeindruckende Resultate, doch perfekt war der Algorithmus mitnichten. Bessere Resultate in Sachen Fake-Videos lassen sich mit Deep Video Portraits erzielen, vorgestellt auf der Konferenz für Computergrafik Siggraph 2018.
Acht Forscher aus Deutschland, Frankreich und den USA haben an dem Algorithmus gearbeitet. In der dazugehörigen Nutzerstudie konnte die Hälfte der Teilnehmer Original und Fälschung nicht unterscheiden. Ein Video mit einigen Beispielen finden Sie unterhalb der Meldung. Die Idee von Deep Video Portraits entspricht zwar grob dem bereits bekannten Deep Fakes-Algorithmus, die Funktionsweise ist jedoch grundlegend anders. Während sich Deep Fakes hunderte Quellbilder einverleibt, erstellt Deep Video Portraits ein 3D-Modell des Quell- und Zielgesichts. Die entsprechenden Daten werden aus den Eingabebildern ermittelt. Für jedes Einzelbild werden zudem Vektoren für die unterschiedlichen Parameter, etwa Kopfposition, Mimik und Blickrichtung, berechnet und können anschließend beliebig übereinandergelegt werden. So kann beispielsweise die Kopfposition des Ziels mit der Mimik der Quelle kombiniert werden.
Das 3D-Modell greift dem zugrundeliegenden neuronalen Netz, dem Autoencoder, deutlich unter die Arme, das letztlich die wesentlichen Details, beispielsweise den Hintergrund, aber auch Frisuren und Oberkörper, hinzufügt. Der Autoencoder wird mithilfe eines Adversarial Networks trainiert. Einem neuronalen Netz, das versucht, Original und Fälschung zu unterscheiden. Durch die angewandte Methodik verschwinden sichtbare Artefakte weitestgehend - ein Problem, mit dem sich Deep Fakes oftmals plagt. Der Aufwand zur Erstellung eines Fake-Videos bleibt dennoch hoch. Eine Flut solcher Clips ist wohl also erstmal auszuschließen.
GTX 1080 Ti oder Radeon RX Vega 64: Die beste Grafikkarte für Ryzen
mehr ...
Im Thread vertan. Kann hier gelöscht werden!
Das wird noch "lustig" mit dieser Technik...
Teils erschreckend was bereits möglich ist...
Prinz Pi
Höre ich mir nacher mal an
Das Problem sehe ich eher bei Schülern... Du willst jemanden fertig machen? Pack sein/ihr Gesicht in irgend ein peinliches/sexuelles etc... Video, skaliere die Auflösung nach unten, dass man die Artefakte nicht, das Gesicht aber schon erkennt. Das stellt dann keiner in Frage.
Vll ist meine Fantasie auch einfach etwas zu kreativ
Das wird noch "lustig" mit dieser Technik...
Teils erschreckend was bereits möglich ist...
Das Problem sehe ich eher bei Schülern... Du willst jemanden fertig machen? Pack sein/ihr Gesicht in irgend ein peinliches/sexuelles etc... Video, skaliere die Auflösung nach unten, dass man die Artefakte nicht, das Gesicht aber schon erkennt. Das stellt dann keiner in Frage.
Vll ist meine Fantasie auch einfach etwas zu kreativ