近日，騰訊優(yōu)圖實驗室首度刷新人臉偽造檢測FaceForensics Benchmark新紀錄，整體檢測準確率達到業(yè)界第一。
FaceForensics Benchmark是德國慕尼黑工業(yè)大學(TUM)聯合Google等多家機構共同發(fā)布的大規(guī)模人臉偽造數據集，以促進業(yè)界對人臉偽造檢測的學術研究，并提升工業(yè)界對于人臉防偽業(yè)務落地的重視程度。
(FaceForensics Benchmark 整體檢測率排行榜)
近幾年，隨著生成對抗網絡等AI技術的發(fā)展，深度人臉生成技術及其應用不斷成熟，人們可以通過神經網絡快速實現人臉生成、人臉編輯和人臉替換。人臉生成技術推動了娛樂與文化交流產業(yè)的新興發(fā)展，但同時也給人臉安全帶來巨大的潛在威脅。人們可以輕易利用DeepFakes等換臉技術制作色情視頻或虛假新聞，從而對社會造成不良影響。針對這些偽造人臉的檢測和防御已經到了刻不容緩的地步。
FaceForensics Benchmark數據集【1】
FaceForensics Benchmark數據集使用了四種業(yè)界先進的人臉偽造技術，分別是Face2Face、FaceSwap、DeepFakes和NeuralTextures。這些偽造出來的人臉圖像自然逼真，單純從人眼視覺效果上來看真假難辨，挑戰(zhàn)巨大。
騰訊優(yōu)圖對人臉防偽檢測進行深入研究，從人臉生成的原理和本質出發(fā)，提出了一種基于注意力機制的偽造人臉檢測技術RealFace，該技術結合人臉的圖像特征和噪聲特征，能夠充分發(fā)掘偽造人臉所產生的偽影細節(jié)，同時利用注意力機制對人臉圖像的偽造位置進行捕捉，有效地提高了偽造人臉圖像的檢測精度。
不久前，優(yōu)圖實驗室還聯合騰訊研究院發(fā)布了《AI生成內容發(fā)展報告》，全面解讀了“深度合成”技術的發(fā)展和應用情況，并總結了關于“深度合成”技術的十大誤解。人工智能商業(yè)化進程的加速，讓越來越多的人工智能產品出現在大眾生活中，尤其是一些使用“深度合成”技術的人臉融合、合成人臉和合成虛擬形象的社交產品持續(xù)出現。
隨著深度合成技術快速迭代升級，人臉偽造檢測是一個技術攻防的持久戰(zhàn)，騰訊優(yōu)圖始終秉承科技向善的使命，防范AI技術濫用，將不斷在人臉安全領域持續(xù)深耕，在算法研究和業(yè)務落地上持續(xù)打磨技術能力，同時，通過騰訊云慧眼輸出相關技術服務，全面覆蓋微信小程序、公眾號、APP、H5以及智能終端等場景，廣泛應用于金融、直播、游戲、電商、政務民生等數百行業(yè)場景、數萬多個項目，從而更好的推動保障人臉相關應用的安全。
（免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
