共计 1368 个字符，预计需要花费 4 分钟才能阅读完成。
近日，百度在国内计算机视觉大会 ICCV 2021 人脸深度鉴伪较量中斩获三项第一。 国内计算机视觉大会是视觉畛域三大顶会之一，这次较量也极具权威性。最终，百度在图片、视频、视频时序定位三个方向包揽全副冠军，力压国内、国内 177 支参赛队伍，真正秀了一把实力。百度取得 ICCV 2021 人脸鉴伪较量全赛道冠军 \
“眼见”不肯定“为实” 日常生活中，深度伪造技术的利用并不少见：智能客服的拟人答复、影视剧对角色的换脸解决、虚构新闻主播对人力投入的升高······这些利用场景通过对图像、声音、视频的伪造和主动生成，产生高度真切的成果。然而，随着技术的倒退及利用门槛的升高，深度伪造技术对于集体信息安全、社会平安等的威逼也愈来愈大。越来越多人也能轻松实现“换脸”“变声”，“眼见”不肯定“为实”正在咱们的生存中一直演出。还有一些人将其利用于人脸识别零碎攻打、虚伪音视频欺骗等，技术滥用带来的危险逐步为人们所知。诸如 Deepfake 等深度伪造技术的滥用对咱们到底意味着什么？如何能力无效“打假”？只有魔法能力战胜魔法！在用 AI 反抗 AI 的过程中，深度鉴伪技术突出重围。咱们做了什么 简略来说，百度这次获奖的较量，就是让 AI 一眼判断出一张人脸图片是否由算法生成，或面部信息是否被篡改。针对深度鉴伪技术，目前绝大多数钻研依然通过图像分类办法将问题转化为针对单帧图像的多任务判断问题，模型泛化性无限。在本次比赛的夺冠计划中，百度视觉团队提出了动静特色队列（DFQ）计划，采纳度量学习的办法晋升模型泛化性。同时，在空间维度上将图像分成多个部分图像块（如图 1，绿色块代表未被伪造图像区域，红色块代表伪造图像区域），通过计算部分图像块之间的特色散布差别进一步提高模型的泛化能力。 图 1: 百度 ICCV2021 人脸深度鉴伪比赛夺冠计划针对单帧图像，百度视觉团队首先将部分图像特色散布一致性计划（Patch-Wise Consistency）利用于整张图像，而不仅仅集中于人脸区域。模型提取到的高维特色被用于掂量每两个部分块之间的类似度，并利用这种类似度进行深伪甄别。图 2：Dynamic Feature Queue（DFQ）构造示意图其次，将部分图像特色散布一致性（Patch-Wise Consistency）模型作为预训练模型，基于每帧图像的伪造特色构建一个动静队列。如图 2，通过计算 CNN 网络生成的每个样本特色与动静队列中各个特色之间的间隔，将每个 batch 中的伪造特色样本向队列中与其间隔最近的伪造特色样本凑近。足够长的队列能够帮忙解决灾难性忘记问题，并充沛开掘艰难样本。同时让所有真人样本特色汇集在一个可学习的特色核心，保障真人样本特色在高维特色空间中充沛汇集。
开源凋谢，保障人脸利用平安
目前，百度已通过 AI 开放平台对外提供人脸深度鉴伪接口，精确甄别 AI 换脸技术和各种黑客工具生成的人脸图像，广泛应用于肖像维权、新闻鉴真等场景，切实保障公众的集体信息安全及互联网内容平安。
接下来，面对深度伪造技术成本低、形式多、人工甄别难等特点，百度将增强在深度鉴伪算法的泛化性和可解释性，攻防协同和多模态防伪等方面的钻研，继续优化针对不同落地场景的差异化能力，保障人脸相干利用的平安。
百度深度鉴伪技术的 AI 开放平台调用接口：https://ai.baidu.com/tech/fac…
