Facebook創建的新機器學習系統如何對視頻中的人臉進行去識別化？

Facebook AI Research表示，其已經創建了一種機器學習系統，用于對視頻中的個臉進行去識別化（de-identification ）。像D-ID這樣的初創公司和許多先前的作品已經為靜態圖像采用了去識別技術，但這是第一個用于視頻的技術。在最初的測試中，該方法能夠阻止最先進的面部識別系統。

用于自動視頻修改的AI不需要重新培訓就可以應用于每個視頻。其在人的臉部映射了一個略微變形的版本，以使面部識別技術難以識別人。

一篇解釋該方法的文章說道：“人臉識別可能會導致隱私喪失，人臉替代技術可能會被誤用于制作誤導性視頻。有關人臉識別技術的進步和濫用的最新世界事件引發了對理解成功處理去身份識別的方法的需求。我們的貢獻是唯一適用于視頻（包括現場視頻）的視頻，其呈現的質量遠遠超過了文獻方法。”

Facebook的方法將對抗性自編碼器與分類器網絡配對。作為網絡培訓的一部分，研究人員試圖愚弄面部識別網絡，Facebook AI研究工程師和特拉維夫大學教授Lior Wolf在電話采訪中告訴VentureBeat。

“因此，自編碼器會設法使人臉識別網絡的行為變得更加艱難，而實際上，如果您想產生一種掩蓋某人的聲音或在線行為或其他任何方式的方法，也可以使用該自編碼器。”Wolf表示。

像FacesWap Deepfake軟件一樣，AI使用編碼器-解碼器體系結構生成圖像。在訓練過程中，人的臉變形，然后進入網絡。然后，系統生成人臉的失真和未失真圖像，以將其嵌入視頻中。

該公司發言人告訴VentureBeat，Facebook目前尚無計劃將該技術應用于Facebook系列應用的任何部分，但是這種方法可以使公眾仍然可以識別公眾講話，但無法識別人工智能系統。

視頻中的匿名面孔也可以用于AI系統的注重隱私的培訓。5月，谷歌使用了Mannequin挑戰視頻來訓練AI系統，以改善視頻深度感知系統。加州大學伯克利分校的研究人員為訓練AI“特工”像人一樣跳舞或進行后空翻而進行的多項工作，也將YouTube視頻用作訓練數據集。

這項工作將在下周在韓國首爾舉行的國際計算機視覺國際會議（ICCV）上進行介紹。

在此消息發布之前，Facebook首席技術官Mike Schroepfer于上周宣布，Deepfakes Challenge預覽數據集現已可用，并且亞馬遜的AWS現在已成為Facebook和微軟上個月發起的Deepfake Detection Challenge倡議的成員。挑戰是為了提高Deepfake檢測系統的魯棒性。

Facebook在今年早些時候將面部識別作為其平臺上的默認設置，目前正在與一場涉及濫用面部識別數據的350億美元集體訴訟作斗爭。本周，該社交網絡還為美國的某些用戶推出了News應用程序。