Facebook创建新机器学习系统，用于对视频中的人脸进行“去识别化”

据外媒报道，Facebook AI Research表示，其已经创建了一种机器学习系统，用于对视频中的个脸进行去识别化（de-identification ）。像D-ID这样的初创公司和许多先前的作品已经为静态图像采用了去识别技术，但这是第一个用于视频的技术。在最初的测试中，该方法能够阻止最先进的面部识别系统。

 

 

用于自动视频修改的AI不需要重新培训就可以应用于每个视频。其在人的脸部映射了一个略微变形的版本，以使面部识别技术难以识别人。

一篇解释该方法的文章说道：“人脸识别可能会导致隐私丧失，人脸替代技术可能会被误用于制作误导性视频。有关人脸识别技术的进步和滥用的最新世界事件引发了对理解成功处理去身份识别的方法的需求。我们的贡献是唯一适用于视频（包括现场视频）的视频，其呈现的质量远远超过了文献方法。”

Facebook的方法将对抗性自编码器与分类器网络配对。作为网络培训的一部分，研究人员试图愚弄面部识别网络，Facebook AI研究工程师和特拉维夫大学教授Lior Wolf在电话采访中告诉VentureBeat。

“因此，自编码器会设法使人脸识别网络的行为变得更加艰难，而实际上，如果您想产生一种掩盖某人的声音或在线行为或其他任何方式的方法，也可以使用该自编码器。”Wolf表示。

像FacesWap Deepfake软件一样，AI使用编码器-解码器体系结构生成图像。在训练过程中，人的脸变形，然后进入网络。然后，系统生成人脸的失真和未失真图像，以将其嵌入视频中。

该公司发言人告诉VentureBeat，Facebook目前尚无计划将该技术应用于Facebook系列应用的任何部分，但是这种方法可以使公众仍然可以识别公众讲话，但无法识别人工智能系统。

视频中的匿名面孔也可以用于AI系统的注重隐私的培训。5月，谷歌使用了Mannequin挑战视频来训练AI系统，以改善视频深度感知系统。加州大学伯克利分校的研究人员为训练AI“特工”像人一样跳舞或进行后空翻而进行的多项工作，也将YouTube视频用作训练数据集。

这项工作将在下周在韩国首尔举行的国际计算机视觉国际会议（ICCV）上进行介绍。

在此消息发布之前，Facebook首席技术官Mike Schroepfer于上周宣布，Deepfakes Challenge预览数据集现已可用，并且亚马逊的AWS现在已成为Facebook和微软上个月发起的Deepfake Detection Challenge倡议的成员。挑战是为了提高Deepfake检测系统的鲁棒性。

Facebook在今年早些时候将面部识别作为其平台上的默认设置，目前正在与一场涉及滥用面部识别数据的350亿美元集体诉讼作斗争。本周，该社交网络还为美国的某些用户推出了News应用程序。