De senaste framstegen inom datorgrafik gör det möjligt att skapa datorgenererade (CG) representationer av människor som är svåra att skilja från sina verkliga motsvarigheter. "Digital mänsklig ansiktsdetektion i videosekvenser via en fysiologisk signalanalys, " en tidning publicerad idag i Journal of Electronic Imaging (JEI) , presenterar ett innovativt sätt att skilja mellan naturliga människors (NAT) och CG-ansikten inom ramen för multimediaforensik, använder individers hjärtfrekvens som den särskiljande egenskapen. JEI är samutgivet av SPIE, det internationella samhället för optik och fotonik, och av Society for Imaging Science and Technology (IS&T).

Människor presenterar en pulssignal som automatiskt kan extraheras från en videosekvens; virtuella människor gör det inte. I deras tidning, Mattia Bonomi och Giulia Boato visar att genom att fokusera på en algoritm för pulsuppskattning från mänskliga ansikten och beräkna statistik från den hjärtfrekvensen, de kan klassificera ingångsytan som CG eller NAT.

"De senaste framstegen inom maskininlärning och datorgrafik har lett till den snabba utvecklingen av "deepfakes, ' där ansiktet på en verklig person i en video ersätts av en datorgenererad, " konstaterar JEIs chefredaktör Karén Egiazarian. "Denna teknik är öppet tillgänglig nuförtiden, och, tillsammans med dess breda användning i filmindustrin och reklam, den har också använts av bedragare. Men hur skiljer man ett mänskligt ansikte från ett datorgenererat? Bonomi och Boato tar upp denna fråga genom att föreslå och tillämpa en fysiologisk signalanalys, extrahera hjärtfrekvensen från videon av mänskligt ansikte, och använder det som en diskriminerande faktor. "

Artikelförfattarna är Mattia Bonomi och Giulia Boato, båda från University of Trento, Institutionen för teknik och datavetenskap, Trento, Italien.