<p>A tecnologia DeepFake, que evoluiu rapidamente, pode ser uma grande ajuda para a indústria do entretenimento, mas também pode agravar ainda mais o problema das fake news. Por isso, desenvolver técnicas para distinguir esse tipo de DeepFake tem grande importância.<br />
<br />
O esforço da Microsoft para impedir fake news nas próximas eleições dos EUA:<br />
https://pt.news.hada.io/topic?id=2767<br />
<br />
Compartilho um artigo que apresenta uma abordagem inovadora para distinguir vídeos DeepFake. (em inglês) Esse método diferencia rostos reais de DeepFakes com base nos sinais de batimento cardíaco extraídos do rosto de uma pessoa.<br />
<br />
O método usado para medir a frequência cardíaca humana em equipamentos hospitalares não invasivos de medição de saturação de oxigênio ou em smartwatches, que hoje já são bastante comuns, é chamado tecnicamente de PPG (Photoplethysmography). Quando se ilumina o corpo humano, parte dessa luz é absorvida, e o grau de absorção é proporcional ao volume de pele, tecido e sangue no caminho percorrido por essa luz. O volume da pele e dos tecidos não muda bruscamente, mas o volume de sangue nos vasos em uma posição específica aumenta quando o coração se contrai e diminui quando ele relaxa. Assim, basta traçar em gráfico o padrão de absorção da luz e medir o intervalo entre os picos para obter a frequência cardíaca. É mais simples do que parece.<br />
<br />
O rPPG (Remote photoplethysmography) vai um passo além. Humanos e câmeras conseguem ver objetos porque a luz emitida de algum lugar é refletida pelo objeto e entra nos olhos ou na câmera. Considerando o princípio do PPG mencionado acima, é possível pensar que a luz refletida por uma parte do corpo de um ser humano vivo, como o rosto, contém mudanças muito sutis, mas reais, que refletem o padrão do pulso. rPPG é a técnica de amplificar intensamente essas pequenas variações para medir a frequência cardíaca apenas com um vídeo do rosto capturado por câmera, sem contato físico nem instrumentos de medição especiais. Embora esse método dependa de mudanças extremamente sutis na tonalidade do rosto, sabe-se que sistemas recentes de rPPG com deep learning conseguem extrair essas variações até mesmo de vídeos faciais com taxa de compressão relativamente alta.<br />
<br />
Então, se for possível extrair sinais biológicos dessa forma, não seria possível também distinguir entre um rosto real e um rosto gerado por DeepFake? Com base nessa ideia, foram publicados recentemente artigos com resultados de experimentos que usam técnicas modernas de rPPG para detectar vídeos faciais DeepFake. Em resumo, os sinais de rPPG observados em rostos de pessoas reais e em rostos gerados por DeepFake apresentam padrões claramente diferentes, e o padrão extraído também varia conforme o tipo de modelo usado no DeepFake. Assim, esse método não só conseguiu distinguir vídeos DeepFake, como também identificou com precisão relativamente alta qual modelo específico foi usado para gerá-los.<br />
<br />
Texto original dos artigos:<br />
https://arxiv.org/abs/2006.07634<br />
https://arxiv.org/abs/2008.11363</p>;
3 comentários