rPPG - วิธีใหม่ในการแยกแยะวิดีโอ DeepFake ที่น่าสนใจ

<p>เทคโนโลยี DeepFake ที่พัฒนาอย่างรวดเร็วอาจเป็นประโยชน์อย่างมากต่ออุตสาหกรรมบันเทิง แต่ก็อาจก่อปัญหาด้วยการเพิ่มความร้ายแรงของข่าวปลอมให้มากยิ่งขึ้น ดังนั้นการมีเทคโนโลยีสำหรับแยกแยะ DeepFake จึงมีความสำคัญอย่างมาก<br /> <br /> ความพยายามของ MS ในการป้องกันข่าวปลอมในการเลือกตั้งประธานาธิบดีสหรัฐที่กำลังจะมาถึง:<br /> https://th.news.hada.io/topic?id=2767<br /> <br /> ขอแชร์บทความที่แนะนำวิธีใหม่ในการแยกแยะวิดีโอ DeepFake (ภาษาอังกฤษ) วิธีนี้ใช้สัญญาณการเต้นของหัวใจที่สกัดจากใบหน้ามนุษย์เพื่อแยกแยะระหว่างใบหน้าของคนจริงกับ DeepFake<br /> <br /> วิธีการวัดอัตราการเต้นของหัวใจของมนุษย์ในอุปกรณ์วัดออกซิเจนในเลือดแบบไม่รุกล้ำของโรงพยาบาล หรือในสมาร์ตวอตช์ที่ปัจจุบันพบเห็นได้ทั่วไป เรียกในทางเทคนิคว่า PPG (Photoplethysmography, การวัดการไหลเวียนของเลือดด้วยแสง) เมื่อฉายแสงไปยังร่างกายมนุษย์ แสงนั้นจะถูกดูดกลืน และระดับการดูดกลืนนี้จะแปรผันตามปริมาตรของผิวหนัง เนื้อเยื่อ และเลือดในเส้นทางที่แสงเดินทางผ่าน อย่างไรก็ตาม ปริมาตรของผิวหนังหรือเนื้อเยื่อไม่ได้เปลี่ยนแปลงอย่างรวดเร็ว แต่ปริมาตรของเลือดในหลอดเลือด ณ ตำแหน่งหนึ่งจะเพิ่มขึ้นเมื่อหัวใจบีบตัว และลดลงเมื่อหัวใจคลายตัว ดังนั้นเพียงแค่วาดรูปแบบการดูดกลืนแสงออกมาเป็นกราฟ แล้ววัดช่วงห่างของค่าพีค ก็จะได้อัตราการเต้นของหัวใจทันที ง่ายกว่าที่คิดใช่ไหมครับ<br /> <br /> rPPG (Remote photoplethysmography, การวัดการไหลเวียนของเลือดด้วยแสงระยะไกล) ก้าวไปไกลกว่านั้นอีกหนึ่งขั้น มนุษย์หรือกล้องจะมองเห็นวัตถุได้ก็เพราะแสงจากที่ใดที่หนึ่งสะท้อนจากวัตถุแล้วเข้าสู่ตาหรือกล้อง แต่ถ้าพิจารณาหลักการของ PPG ที่กล่าวถึงข้างต้น ก็อาจมองได้ว่าในแสงที่สะท้อนกลับมาจากส่วนของร่างกาย เช่น ใบหน้าของมนุษย์ที่ยังมีชีวิตนั้น มีการเปลี่ยนแปลงที่แม้จะจางมากแต่ก็ซ่อนรูปแบบที่สะท้อนจังหวะชีพจรไว้อย่างชัดเจน rPPG คือการขยายความเปลี่ยนแปลงอันแผ่วเบานี้อย่างมาก เพื่อวัดอัตราการเต้นของหัวใจได้จากเพียงวิดีโอใบหน้าที่ถ่ายด้วยกล้อง โดยไม่ต้องใช้อุปกรณ์วัดเฉพาะหรือการสัมผัสใด ๆ วิธีนี้อาศัยการเปลี่ยนแปลงสีผิวบนใบหน้าที่เล็กมากเป็นพิเศษ แต่ระบบ rPPG ที่ประยุกต์ใช้ดีปเลิร์นนิงในช่วงหลังเป็นที่ทราบกันว่าสามารถดึงความเปลี่ยนแปลงเหล่านี้ออกมาได้ แม้จากวิดีโอใบหน้าที่มีอัตราการบีบอัดค่อนข้างสูง<br /> <br /> ถ้าเช่นนั้น หากสกัดสัญญาณชีวภาพด้วยวิธีนี้ ก็อาจใช้แยกแยะระหว่างใบหน้าของคนจริงกับใบหน้าที่สร้างด้วย DeepFake ได้เช่นกันใช่หรือไม่ ด้วยเหตุนี้ เมื่อไม่นานมานี้จึงมีการเผยแพร่งานวิจัยว่าด้วยผลการทดลองตรวจจับวิดีโอใบหน้า DeepFake โดยอาศัยเทคนิค rPPG รุ่นล่าสุด กล่าวโดยสรุปคือ สัญญาณ rPPG ที่ปรากฏในใบหน้าของคนจริงกับใบหน้าที่สร้างขึ้นด้วย DeepFake มีรูปแบบแตกต่างกันอย่างชัดเจน และรูปแบบของสัญญาณ rPPG ที่สกัดได้ก็ยังแตกต่างกันไปตามชนิดของโมเดลที่ใช้สร้าง DeepFake ด้วย ดังนั้น วิธีนี้ไม่เพียงสามารถแยกแยะวิดีโอ DeepFake ได้เท่านั้น แต่ยังสามารถระบุได้ด้วยความแม่นยำค่อนข้างสูงว่าใช้โมเดลใดในการสร้างขึ้นมาโดยเฉพาะ<br /> <br /> ต้นฉบับของงานวิจัยดังกล่าว:<br /> https://arxiv.org/abs/2006.07634<br /> https://arxiv.org/abs/2008.11363</p>;

[xguru]

<p>น่าสนใจดี แต่ก็อดกังวลไม่ได้ว่าในอนาคต DeepFake จะเลียนแบบสิ่งนั้นได้เหมือนกันหรือเปล่า เหมือนหอกกับโล่เลย ฮ่าๆ</p>

[qodot]

<p>จริงด้วยนะ กลับกันก็แอบคิดเหมือนกันว่าไม่ควรเผยแพร่งานวิจัยนี้ซะด้วยซ้ำ 555</p>

[sduck4]

<p>พอเห็นหอกกับโล่ที่เรียนรู้ไปพร้อมกับแข่งขันกัน ก็ทำให้นึกถึง GAN ขึ้นมาเลยครับ<br /> <br /> เทคโนโลยีปัญญาประดิษฐ์แบบใหม่ GAN - https://samsungsds.com/global/ko/…;