Facebook har tagit reda på avidentifiering av människor i videor. Vänta, Facebook? Kritiseras inte sociala plattformar ofta för integritetsrättigheter? Inte den här gången, åtminstone inte över i salarna för Facebook AI Research.

Oran Gafni, en medlem i teamet som arbetade med att skydda ansikten mot igenkänningssystem, lagt upp en video, "De-Identification Video Samples" den 15 oktober. Gafni, en forskningsingenjör inom Facebook AI Research, har elektrotekniksexamen från Tel-Aviv University, under överinseende av professor Lior Wolf. Gafins avhandling fokuserade på live semantisk ansiktsredigering i video, med djupa motsatta autoencoders.

Deras uppsats som diskuterar deras arbete heter "Live Face De-Identification in Video." Författare är Gafni och Lior Wolf, med uttalade anslutningar till Facebook AI Research och Tel-Aviv University, och Yaniv Tagman, Facebook AI -forskning.

Khari Johnson in VentureBeat fick reda på varför forskningen är viktig. "Startups som D-ID och ett antal tidigare verk har gjort avidentifieringsteknik för stillbilder, men det här är det första som fungerar på video. "

Facebooks kunskap är inom forskningens område. Specifikt, detta är Facebook AI Research, och gruppen har inga planer, berättade en talesman VentureBeat , "att tillämpa tekniken på någon del av Facebook -familjen med appar just nu."

Facebook, fastän, kan dra nytta av försök att bekämpa anonymitet.

Johnson noterade den senaste kontroversen om tillämpningar av teknik för ansiktsigenkänning. Facebook står inför ett hot på 35 miljarder dollar om en grupptalan, som rapporterats av nyhetssajter inklusive TechCrunch .

Hur det fungerar:AI handlar om automatisk videomodifiering. Metoden kartlägger en något förvrängd version på en persons ansikte så att det blir svårt för teknik för ansiktsigenkänning att identifiera en person.

Johnson sa att deras metod "parar en motsatt autokodare med ett klassificeringsnätverk."

Johnson fortsatte med att tydligt beskriva vad som händer:"AI använder en encoder-decoder-arkitektur för att generera både en mask och en bild. Under träning, personens ansikte förvrängs och matas sedan in i nätverket. Sedan genererar systemet förvrängda och oförvrängda bilder av en persons ansikte för utmatning som kan bäddas in i video. "

Hur bra fungerar det? Forskare försökte lura ansiktsigenkänningsnätverk och de visade sig övertygade om att de kommit på en meningsfull teknik. "Vårt bidrag är det enda som är lämpligt för video, inklusive livevideo, och presenterar kvalitet som långt överträffar litteraturmetoderna. Tillvägagångssättet är både elegant och tydligt nytt, använder en befintlig ansiktsbeskrivare sammanfälld till inbäddningsutrymmet, en inlärd mask för blandning, en ny typ av perceptuell förlust för att få önskad effekt, bland några andra bidrag. "

Kolla siffrorna i tidningen, som är exempel på deras metoders identitetsskift. Författarna påpekade att endast minimalt att ändra bilden är viktigt för att metoden ska vara videokompatibel. De sa att i sitt arbete, förändring mäts med hjälp av låg- och medelnivåfunktioner och inte med normer på själva pixlarna.

De var medvetna om forskning som visat bildstörningar orsakade av motsatta exempel snedvrider funktioner på mellannivå "som vi tvingar oss att förbli oförändrade."

I en intervju med VentureBeat , Wolf sa att "autoencodern är sådan att den försöker göra livet svårare för ansiktsigenkänningsnätverket, och det är faktiskt en allmän teknik som också kan användas om du vill skapa ett sätt att maskera någons, säga, röst eller beteende online eller någon annan typ av identifierbar information. "

Internationella konferensen om datorsyn (ICCV) i Seoul, Sydkorea, är en plats där Facebook -forskarna listades för att gå med datorsynsexperter från hela världen för att diskutera de senaste framstegen. Seoul -schemat rapporterades ha lagets presentation på kran, "Live Face De-Identification in Video."

I deras pappers abstrakt lyder:"Vi föreslår en metod för ansiktsavidentifiering som möjliggör helautomatisk videomodifiering vid höga bildfrekvenser. Målet är att maximalt avkorrelera identiteten samtidigt som uppfattningen (posera, belysning, och uttryck) fixat. Vi uppnår detta genom en ny feed-forward encoder-decoder-nätverksarkitektur som är betingad av att en persons ansiktsbild representeras på hög nivå. Nätverket är globalt, i den meningen att den inte behöver omskolas för en viss video eller för en viss identitet, och det skapar naturliga bildsekvenser med liten snedvridning i tiden. "

Tyler Lee in Ubergizmo insåg för det mänskliga ögat att någon skillnad mellan före och efter bilder kan vara förbryllande, men ändringarna var tillräckligt för att förvirra systemet. Lee sa "det här verkar som en slags omvänd deepfake där det snedvrider personens ansikte så lite att det kan förvirra ansiktsigenkänningssystem, men samtidigt behålla tillräckligt med originalet så att du, som människa, kommer definitivt att veta vem det är du ser. "

© 2019 Science X Network