Deepfakes podría anonimizar a las personas en videos manteniendo su personalidad

Categoría: Inteligencia artificial Al corriente Sep 17

AI podría generar rostros que coincidan con las expresiones de sujetos anónimos para otorgarles privacidad, sin perder su capacidad de expresarse.

Las noticias: Una nueva técnica utiliza redes antagónicas generativas (GAN), la tecnología detrás de las falsificaciones profundas, para anonimizar a alguien en una foto o video.

Cómo funciona: El algoritmo extrae información sobre la expresión facial de la persona encontrando la posición de los ojos, las orejas, los hombros y la nariz. Luego usa una GAN, entrenada en una base de datos de 1,5 millones de imágenes de rostros, para crear un rostro completamente nuevo con la misma expresión y lo fusiona con la foto original, conservando el mismo fondo.

Falla: Desarrollada por investigadores de la Universidad Noruega de Ciencia y Tecnología, la técnica aún es altamente experimental. Funciona en muchos tipos de fotos y caras, pero aún falla cuando la cara está parcialmente ocluida o girada en ángulos particulares. La técnica también es muy defectuoso para vídeo

Otro trabajo: Esta no es la primera técnica de anonimización facial basada en IA. Un papel en febrero de investigadores de la Universidad de Albany utilizaron el aprendizaje profundo para trasplantar elementos clave de las expresiones faciales de un sujeto a otra persona. Ese método requería que un donante consentido ofreciera su rostro como el nuevo lienzo para las expresiones.

Por qué importa: La anonimización de la cara se utiliza para proteger la identidad de alguien, como un denunciante, en fotos y videos. Pero las técnicas tradicionales, como el desenfoque y el pixelado, corren el riesgo de ser incompletas (es decir, la identidad de la persona se puede descubrir de todos modos) o eliminar por completo la personalidad de la persona (es decir, al eliminar las expresiones faciales). Debido a que las GAN no usan la cara original del sujeto en absoluto, eliminan cualquier riesgo del problema anterior. También pueden recrear expresiones faciales en alta resolución, ofreciendo así una solución a estas últimas.

No siempre el malo: La técnica también demuestra una nueva propuesta de valor para las GAN, que han desarrollado una mala reputación por reducir la barrera para producir información errónea persuasiva. Si bien este estudio se limitó a los medios visuales, por extensión, muestra cómo las GAN también podrían aplicarse al audio para anonimizar las voces.