Deepfakes könnten Personen in Videos anonymisieren und gleichzeitig ihre Persönlichkeit bewahren

Kategorie: Künstliche Intelligenz Gesendet 17. September

KI könnte Gesichter erzeugen, die den Ausdrücken anonymer Personen entsprechen, um ihnen Privatsphäre zu gewähren – ohne ihre Fähigkeit zu verlieren, sich auszudrücken.

Die Nachrichten: Eine neue Technik verwendet Generative Adversarial Networks (GANs), die Technologie hinter Deepfakes, um jemanden in einem Foto oder Video zu anonymisieren.

Wie es funktioniert: Der Algorithmus extrahiert Informationen über den Gesichtsausdruck der Person, indem er die Position von Augen, Ohren, Schultern und Nase findet. Anschließend verwendet es ein GAN, das auf einer Datenbank mit 1,5 Millionen Gesichtsbildern trainiert wurde, um ein völlig neues Gesicht mit demselben Ausdruck zu erstellen, und fügt es unter Beibehaltung des gleichen Hintergrunds in das Originalfoto ein.

Panne: Die von Forschern der Norwegischen Universität für Wissenschaft und Technologie entwickelte Technik ist noch sehr experimentell. Es funktioniert bei vielen Arten von Fotos und Gesichtern, stolpert aber immer noch, wenn das Gesicht teilweise verdeckt oder in einem bestimmten Winkel gedreht ist. Die Technik ist auch sehr fehlerhaft für Videos.

Andere Arbeit: Dies ist nicht die erste KI-basierte Gesichtsanonymisierungstechnik. Ein Papier im Februar nutzten Forscher der University of Albany Deep Learning, um Schlüsselelemente des Gesichtsausdrucks einer Testperson auf eine andere Person zu übertragen. Diese Methode erforderte einen zustimmenden Spender, der sein Gesicht als neue Leinwand für die Ausdrücke anbietet.

Warum es wichtig ist: Die Gesichtsanonymisierung wird verwendet, um die Identität einer Person, beispielsweise eines Hinweisgebers, in Fotos und Filmmaterial zu schützen. Herkömmliche Techniken wie Unschärfe und Verpixelung laufen jedoch Gefahr, unvollständig zu sein (d. h. die Identität der Person kann ohnehin entdeckt werden) oder die Persönlichkeit der Person vollständig zu entfernen (d. h. durch Entfernen von Gesichtsausdrücken). Da GANs das ursprüngliche Gesicht des Subjekts überhaupt nicht verwenden, eliminieren sie jedes Risiko des früheren Problems. Sie können auch Gesichtsausdrücke in hoher Auflösung nachbilden und bieten so eine Lösung für letzteres.

Nicht immer der Böse: Die Technik demonstriert auch ein neues Wertversprechen für GANs, die einen schlechten Ruf haben, weil sie die Barriere für die Produktion überzeugender Fehlinformationen gesenkt haben . Während diese Studie auf visuelle Medien beschränkt war, zeigt sie im weiteren Sinne, wie GANs auch auf Audio angewendet werden könnten, um Stimmen zu anonymisieren.