Para frustrar métodos sofisticados de alterar fotos y videos, los investigadores de la Facultad de Ingeniería Tandon de la NYU han demostrado una técnica experimental para autenticar imágenes en toda la tubería, desde la adquisición hasta la entrega, utilizando inteligencia artificial IA.
En las pruebas, este prototipo de tubería de imágenes aumentó las posibilidades de detectar la manipulación de aproximadamente el 45 por ciento a más del 90 por ciento sin sacrificar la calidad de la imagen.
Determinar si una foto o video es auténtico se está volviendo cada vez más problemático. Las técnicas sofisticadas para alterar fotos y videos se han vuelto tan accesibles que las llamadas "falsificaciones profundas" - fotos o videos manipulados que son notablemente convincentes y a menudo incluyen celebridades o políticosfiguras - se han convertido en algo común
Pawel Korus, profesor asistente de investigación en el Departamento de Ciencias de la Computación e Ingeniería de NYU Tandon, fue pionero en este enfoque. Reemplaza la tubería típica de desarrollo de fotos con una red neuronal, una forma de IA, que introduce artefactos cuidadosamente diseñados directamenteen la imagen en el momento de la adquisición de la imagen. Estos artefactos, similares a las "marcas de agua digitales", son extremadamente sensibles a la manipulación.
"A diferencia de las técnicas de marca de agua utilizadas anteriormente, estos artefactos aprendidos por IA pueden revelar no solo la existencia de manipulaciones fotográficas, sino también su carácter", dijo Korus.
El proceso está optimizado para incrustar en la cámara y puede sobrevivir a la distorsión de la imagen aplicada por los servicios en línea para compartir fotos.
Las ventajas de integrar tales sistemas en las cámaras son claras.
"Si la cámara en sí produce una imagen que es más sensible a la manipulación, cualquier ajuste se detectará con alta probabilidad", dijo Nasir Memon, profesor de ciencias de la computación e ingeniería en NYU Tandon y coautor, con Korus, deun documento que detalla la técnica. "Estas marcas de agua pueden sobrevivir al procesamiento posterior; sin embargo, son bastante frágiles cuando se trata de modificaciones: si altera la imagen, la marca de agua se rompe", dijo Memon.
La mayoría de los otros intentos de determinar la autenticidad de la imagen examinan solo el producto final, una tarea notoriamente difícil.
Korus y Memon, por el contrario, razonaron que las imágenes digitales modernas ya se basan en el aprendizaje automático. Cada foto tomada en un teléfono inteligente se somete a un procesamiento casi instantáneo para ajustarse a la poca luz y estabilizar las imágenes, las cuales se realizan por cortesía de la inteligencia artificial a bordoEn los próximos años, es probable que los procesos impulsados por la inteligencia artificial reemplacen por completo los canales tradicionales de imágenes digitales. A medida que se lleva a cabo esta transición, Memon dijo que "tenemos la oportunidad de cambiar drásticamente las capacidades de los dispositivos de próxima generación en lo que respecta a la imagenintegridad y autenticación. Las canalizaciones de imágenes optimizadas para análisis forense podrían ayudar a restaurar un elemento de confianza en áreas donde la línea entre lo real y lo falso puede ser difícil de trazar con confianza ".
Korus y Memon señalan que si bien su enfoque es prometedor en las pruebas, se necesita trabajo adicional para refinar el sistema. Esta solución es de código abierto y se puede acceder a ella en http://github.com/pkorus/neural-imaging . Los investigadores presentarán su documento, "Autenticación de contenido para tuberías de imágenes neuronales: optimización de extremo a extremo de la procedencia fotográfica en canales de distribución complejos", en la Conferencia sobre visión por computadora y reconocimiento de patrones en Long Beach, California, en junio.
Fuente de la historia :
Materiales proporcionado por NYU Tandon School of Engineering . Nota: El contenido puede ser editado por estilo y longitud.
Cita esta página :