Нова нейронна мережа Double Stream Adobe може виявити шахрайство у фотографіях
Протягом декількох років компанія Adobe розповіла про свою концепцію Sensei для включення AI в свої інструменти для редагування зображень для більш реалістичного зменшення шуму, клонування та видалення об'єктів. На жаль, це зусилля також є ще однією причиною ускладнення виявлення факторів зображень. Таким чином, Adobe Research та Університет штату Меріленд працюють над способом використання складної глибокої нейронної мережі (DNN) для виявлення декількох типів злому образів.
Сплінгування, клонування та видалення об'єктів
Система команди не є загальноприйнятою системою для пошуку всіх видів маніпуляцій. Навпаки, він навчений виявляти три найпоширеніші: сплайсинг, композитування декількох зображень; клонування, копіювання частини зображення та скріплення його над іншим; і видалення об'єкта.
Одна з великих завдань для команди полягала в тому, щоб виявити достатньо тестових зображень, щоб тренувати свою мережу. Вони взяли цікавий підхід до використання бази даних COCO зображень, що містять позначені об'єкти, та використання автоматизованого інструмента для виконання комбінацій цих трьох маніпуляцій на них. Це дало їм набагато більший тренінговий набір даних, ніж більшість попередніх зусиль.
Двошвидкісний дизайн аналізує зображення та шум
Кілька способів забезпечення зображень
Проблема виявлення підроблених зображень робиться особливо важко, якщо доступно лише оброблене зображення. Існує кілька випадків, коли існують дуже потужні інструменти. По-перше, RAW файли досить складно підробити. Отже, отримання файлу RAW тепер є загальною вимогою багатьох великих фотоконкурсів. По-друге, підписання фотографій на камері - це відмінний спосіб забезпечити їх походження. Багато високопродуктивних камер вже пропонують це як варіант. Підписані зображення, як і будь-які захищені дані публічного ключа, можуть бути автентифіковані будь-яким одержувачем. Аналогічно, JPEG, захоплений більшістю камер, також має відмінні атрибути, відмінні від тих, що містяться у зображеннях, створених за допомогою Photoshop. Таким чином, наявність оригінального JPEG, RAW-файлу або підписаного зображення є всіма способами перевірки зображення або використання його як базової лінії в порівнянні з підозрюваною версією.
Початок Гонки Зброя Зброя
Коли команда оцінила свою систему порівняно з іншими провідними впровадженнями досліджень, у всіх випадках вона поліпшилася майже на кожній метриці. Як і у багатьох інших сферах, таких як об'єкт та розпізнавання обличчя, маніпуляція та виявлення зображень виглядають як такі, на яких підходи до машинного навчання швидко перескочить на інші методи. Звичайно, обидві сторони також будуть перестрибувати один на одного, оскільки інструменти для редагування зображень забезпечують більше природних результатів у поєднанні з більш потужним програмним забезпеченням для виявлення маніпуляцій.
Читати далі
wfoojjaec пояснює: що таке нейронна сітка?
Ми багато говоримо про АІ, машинобудування, і нервові мережі, але що таке нейронна мережа?
wfoojjaec пояснює: що таке нейронна сітка?
Ми багато говоримо про АІ, машинобудування та нервові мережі, але яка неальна мережа в першу чергу?
Люди використовують додаток нейронної мережі для створення фальшивого порно знаменитостей
Автоматичне навчання стало настільки просунуте, що кілька розробників створили інструмент під назвою FakeApp, який може створити переконливі відео обміну "обличчям". І, звичайно, вони використовують його для створення порно.
Нейронні мережеві процесори MIT скорочують споживання електроенергії на 95 відсотків
MIT розробив нові методи обробки нейронних мереж, які могли б скоротити енергоспоживання існуючих рішень на 95 відсотків. Це зміна моря, яка могла б ефективно винаходити природу АІ, і де такі навантаження виконуються.