圖片鑒偽識(shí)別平臺(tái)Assembler解密

技術(shù)宅

眼見不為實(shí)——生活中有哪些偽照片

平時(shí)瀏覽網(wǎng)頁(yè)的時(shí)候我們經(jīng)常會(huì)遇到一些偽造照片，比如使用Photoshop（以下簡(jiǎn)稱為PS）將自己照片摳出來，然后粘貼到某個(gè)風(fēng)景區(qū)中，人為制作出自己到某地旅游的風(fēng)景照;或者使用類似https：∥thispersondoesnotexist.com/提供的AI技術(shù)，生成現(xiàn)實(shí)生活中不存在的人物照片（圖1）。為了方便敘述，我們將上述兩類照片都稱之為“偽照片”。

①·網(wǎng)站AI合成的圖片

火眼金睛——Assembler照片識(shí)偽的幕后功臣

對(duì)于經(jīng)過圖像軟件處理，或者由AI合成出來的照片，Assembler是怎么進(jìn)行鑒別的呢？它的幕后功臣實(shí)際上是多個(gè)圖像檢測(cè)器，這些檢測(cè)器可以針對(duì)特定的類型進(jìn)行圖像鑒別，從而鑒別出真?zhèn)巍?/p>

在Assembier官網(wǎng)展示的一個(gè)演示實(shí)例中，左邊這張圖片將原來圖片里國(guó)旗上的紅色斑塊消除了，但是通過Assembier可以鑒別出這是一張經(jīng)過后期處理的圖片（圖2）。

示例圖片中的紅色斑塊，通過圖像軟件如PS可以很輕松地去除，而且我們通過肉眼很難看出其中動(dòng)過什么手腳。PS刪除紅色斑塊的原理是先選取需要?jiǎng)h除的區(qū)域，將其刪除后再通過算法抽取被刪除區(qū)域周圍像素的數(shù)據(jù)，然后對(duì)被刪除的區(qū)域進(jìn)行填充，最后對(duì)填充區(qū)域的色相、明度、飽和度進(jìn)行調(diào)整，使得填充區(qū)域和周圍區(qū)域看上去一致（圖3）。

②·展示鑒別實(shí)例

③·Photoshop刪除圖片多余部分的示例

④顏色和噪點(diǎn)模式檢測(cè)器算法圖解

Assembier可以鑒別出這類圖片，幕后功臣就是其內(nèi)置的“顏色和噪點(diǎn)模式”檢測(cè)器（用來鑒別有擦除痕跡的圖片），因?yàn)榻?jīng)過擦除處理的圖片，它和實(shí)際圖片相比在顏色模式、圖像噪點(diǎn)上會(huì)出現(xiàn)異常。為此谷歌首先建立一個(gè)訓(xùn)練模型，接著準(zhǔn)備大量的類似上述示例擦除照片讓這個(gè)模型進(jìn)行鑒別，在進(jìn)行大數(shù)據(jù)訓(xùn)練的同時(shí)結(jié)合神經(jīng)網(wǎng)絡(luò)進(jìn)行自我學(xué)習(xí)和提高，最終生成一套算法并將其部署在Assembier服務(wù)器上。這樣服務(wù)器在接收到類似圖2中的圖片時(shí)，檢測(cè)器就會(huì)根據(jù)算法對(duì)圖片每個(gè)部分進(jìn)行檢測(cè)，如果發(fā)現(xiàn)其中某部分的顏色值和噪點(diǎn)模式不一致，那么Assembler就判定這是一張經(jīng)過后期處理的“偽圖”（圖4）。

Assembler內(nèi)置的“StyleGAN檢測(cè)器”則主要對(duì)通過“StyleGAN”技術(shù)生成的AI圖片進(jìn)行鑒別（目前網(wǎng)站AI合成圖像底層技術(shù)基本來自StvleGAN）。比如使用英偉達(dá)的StyleGAN技術(shù)生成的AI人像，這類照片帶有明顯的基于樣式生成對(duì)抗網(wǎng)絡(luò)技術(shù)特征，上述檢測(cè)器可以鑒別出該特征并將其和正常照片區(qū)分出來。

此外Assembler還有“Dense-Field Copy-Meve”檢測(cè)器（用來鑒別具有粘貼特征的圖片，比如使用摳圖方法將其他物件粘貼過來的圖片）、“JPEG DIMLES”檢測(cè)器（用來鑒別被編輯過并且經(jīng)過壓縮處理的JPEG格式圖片）、“自洽性拼接”檢測(cè)器（用來鑒別更改過EXIF屬性的圖片）、“SPLICEBUSTER”“檢測(cè)器”（用來鑒別噪點(diǎn)模式不一致的圖片）和“集成Model”檢測(cè)器（可以同時(shí)分析圖片是否使用多種類型的操作，然后交由特定檢測(cè)器進(jìn)行檢測(cè)）。這樣Assembler將多個(gè)檢測(cè)器組成的集合模型就可以識(shí)別多種圖像處理類型，鑒別結(jié)果比任何單個(gè)檢測(cè)器都更準(zhǔn)確（圖5）。

⑤Assembler工作原理圖解

理性看待Assembler

類似Assembler這種簡(jiǎn)單易用同時(shí)又有高超圖片鑒別能力的服務(wù)，必然會(huì)給我們的生活帶來更多便利，比如借助Assembler的識(shí)圖能力，以后在遇到一些看上去真?zhèn)坞y辨的新聞圖片時(shí)，我們就可以通過Assembier快速地進(jìn)行鑒別，避免被各種假新聞蒙騙。

當(dāng)然我們也應(yīng)該看到Assembler鑒圖能力的局限性，它實(shí)際所依賴的是每個(gè)檢測(cè)器背后的算法，而“偽”圖的制作其實(shí)也是借助算法，因此真?zhèn)舞b別本質(zhì)上就是兩種算法之爭(zhēng)。如果圖像處理軟件的算法比Assembler更好，那么Assembler是無法將其鑒別出來的。此外，因?yàn)锳ssembler的鑒別能力嚴(yán)重依賴算法，而自然界中圖片的顏色、光線千變?nèi)f化，僅僅依靠算法還是無法真正鑒別出每一張圖片，因此我們對(duì)Assembler的能力也別太過迷信（圖6）。

⑥算法之爭(zhēng)