वैज्ञानिकों द्वारा बनाया गया नया एल्गोरिदम आपको वास्तविक लोगों के साथ लगभग संपूर्ण "टॉकिंग हेड्स" बनाने की अनुमति देता है

शोधकर्ताओं ने वीडियो पर किसी व्यक्ति के मुंह में कोई भी शब्द और वाक्य डालकर वीडियो संपादित करना सीखा। तकनीक वीडियो को इस तरह से संसाधित करती है कि यह बहुत ही स्वाभाविक और कार्बनिक लगता है, आप नकली को केवल तभी देख सकते हैं जब आपको संपादन पर संदेह हो।

नया एल्गोरिथ्म स्टैनफोर्ड, मैक्स प्लैंक इंस्टीट्यूट, प्रिंसटन और एडोब के शोधकर्ताओं की एक संयुक्त टीम द्वारा बनाया गया था। संपादन केवल उस पाठ को बनाने में होता है जिसे वीडियो से व्यक्ति को उच्चारण करना चाहिए। शेष कार्य तंत्रिका नेटवर्क द्वारा किया जाता है। नकली को नोटिस करना मुश्किल है क्योंकि चेहरे के भाव और "स्पीकर" के आंदोलनों के पैटर्न संरक्षित हैं, प्रौद्योगिकी हस्तक्षेप के निशान को चिह्नित करने की अनुमति देती है।

इसे प्राप्त करने के लिए, एल्गोरिथ्म के रचनाकारों ने उन्हें वीडियो का विश्लेषण करने का तरीका सिखाया। तंत्रिका नेटवर्क आवश्यक हावभाव, चेहरे के भावों और शब्दों के तत्वों को अभिव्यक्ति के साथ चुनता है, और फिर व्यक्तिगत फ़्रेमों को जोड़ता है ताकि संशोधित वीडियो बरकरार रहे। परिणाम, वास्तव में, एक कंप्यूटर मॉडल है जो प्रौद्योगिकी के स्वामी के लिए आवश्यक कार्य करता है।

होंठ, जीभ, सभी कलात्मक तत्वों के आंदोलन मूल हैं, तंत्रिका नेटवर्क मूल वीडियो से उन्हें "काट" करता है। उसके बाद, वीडियो बहुत स्वाभाविक नहीं दिखता है, क्योंकि इसमें बड़ी संख्या में कटौती और ठहराव होते हैं। इसलिए, प्रौद्योगिकी परिणाम को "सुचारू" करती है ताकि यह यथासंभव प्राकृतिक दिखे।

उपयोग करने से पहले, तंत्रिका नेटवर्क को प्रशिक्षित करने की आवश्यकता होती है - इसे उस व्यक्ति या लोगों के साथ कम से कम 40 मिनट के वीडियो को "फ़ीड" करने की आवश्यकता होती है, जिनके भाषण को प्रतिस्थापित किया जाएगा। सच है, यह केवल अंग्रेजी-भाषा के वीडियो के लिए प्रासंगिक है, क्योंकि अंग्रेजी में केवल 44 फोनम हैं, इसलिए रूसी या जापानी की तुलना में अंग्रेजी का उपयोग करके एक तंत्रिका नेटवर्क को प्रशिक्षित करना बहुत आसान है। हालांकि, समय के साथ, इस तकनीक का उपयोग उन लोगों के साथ वीडियो संपादित करने के लिए किया जा सकता है जो किसी अन्य भाषा को बोलते हैं। नीचे एक वीडियो है जो वर्णित तकनीक की क्षमताओं के प्रदर्शन के रूप में कार्य करता है।


बेशक, यह काम कई सवाल उठाता है। उनमें से एक सूचना और मीडिया सुरक्षा है। अगर किसी भी शब्द को किसी भी व्यक्ति के मुंह में डाला जा सकता है, और परिणाम बहुत स्वाभाविक लगेगा, क्या तकनीक खतरनाक है? विकास के लेखकों का दावा है कि हाँ, इसका उपयोग हमलावरों द्वारा किया जा सकता है। लेकिन, उदाहरण के लिए, ग्राफिक संपादक बहुत लंबे समय से मौजूद हैं, उनकी मदद से आप कुछ भी नकली कर सकते हैं, लेकिन दुनिया और हम इसके साथ मौजूद हैं।

इसके अलावा, लेखकों का कहना है कि वे समझते हैं कि एक ही तकनीक का इस्तेमाल बेईमान नेताओं द्वारा किया जा सकता है। उत्तरार्द्ध कैमरे के सामने भाषण देने की आवश्यकता से बचने में सक्षम होंगे यदि उन्हें वीडियो पर कैप्चर किए गए पहले के भाषणों से बने "टॉकिंग हेड्स" से बदल दिया जाए।

एक नकली का पता लगाने के लिए, विचार के लेखक विशेष वॉटरमार्क और कुछ अन्य तकनीकों का उपयोग करने का सुझाव देते हैं जो जालसाजी को पहचानना संभव बना देगा।

बेशक, वीडियो संशोधन का तथ्य यह साबित करना आसान है कि क्या कोई मूल वीडियो है। इसके अतिरिक्त, लेखक मूल संस्करण में "डिजिटल फ़िंगरप्रिंट" जोड़कर मीडिया सामग्री की सुरक्षा के लिए तरीके विकसित करने की योजना बनाते हैं, जो यह पता लगाना और समझना आसान है कि वीडियो मूल या नकली है।

अध्ययन का पूरा पाठ यहां पाया जा सकता है ।