Adobe Research is druk bezig geweest om vast te stellen hoe beeldmanipulaties kunnen worden herkend door AI op de zaak te ontketenen. Daarbij, ze kunnen echte vooruitgang boeken op het gebied van beeldforensisch onderzoek.

U kunt de krant bekijken, "Rijke functies leren voor detectie van beeldmanipulatie, " door auteurs wiens voorkeuren Adobe Research en University of Maryland zijn, Collegepark.

De krant zou gezien moeten worden door neppers die denken dat ze weg kunnen komen met hun trucs, omdat de wetenschappers van Adobe graag op je zaak willen komen en blijven.

Senior onderzoeker Vlad Morariu, bijvoorbeeld, gaan op zoek naar een oplossing voor het probleem van het detecteren van afbeeldingen die zijn gemanipuleerd. Morariu is geen onbekende in de taak. in 2016, hij ging de uitdaging aan om beeldmanipulatie te detecteren als onderdeel van het DARPA Media Forensics-programma.

Hoe kun je detecteren of een afbeelding authentiek is of is gemanipuleerd?

In dit geval, hij en zijn collega's letten op manipulatie via drie soorten operaties. Splicing [delen van twee verschillende afbeeldingen worden gecombineerd], klonen [wanneer u een object van het ene tempo naar het andere verplaatst] en verwijdering. [In het laatstgenoemde, je verwijdert een object - en de spatie kan worden ingevuld.]

Eerst, laten we wat lawaai horen.

"Elk beeld heeft zijn eigen onmerkbare ruisstatistieken. Als je een beeld manipuleert, je verplaatst de ruisstatistieken eigenlijk samen met de inhoud. "

Een bericht in de Adobe Blog bevatte ook zijn opmerkingen over wat we kunnen weten over manipulatie. "Bestandsindelingen bevatten metadata die kunnen worden gebruikt om informatie op te slaan over hoe de afbeelding is vastgelegd en gemanipuleerd. Forensische hulpmiddelen kunnen worden gebruikt om manipulatie te detecteren door de ruisverdeling te onderzoeken, sterke randen, belichting en andere pixelwaarden van een foto. Watermerken kunnen worden gebruikt om de originele creatie van een afbeelding vast te stellen."

Hoewel het menselijk oog de artefacten misschien niet kan zien, detectie is mogelijk door nauwkeurige analyse op pixelniveau, zei Adobe, of door filters toe te passen die veranderingen helpen markeren. Niet al deze hulpmiddelen, echter, werken perfect om sabotage te ontdekken.

Voer kunstmatige intelligentie en machine learning in - en ze kwamen Vlad's hoofd binnen, als potentieel betrouwbare paden om een ​​gewijzigde afbeelding te identificeren.

Kan AI niet alleen manipulatie herkennen, maar ook het type manipulatie identificeren en het specifieke gebied van de foto dat is gewijzigd markeren? Om antwoorden te krijgen, hij en zijn team hebben een deep learning neuraal netwerk getraind om beeldmanipulatie te herkennen.

Er werden twee technieken uitgeprobeerd, (1) een RGB-stream (verandert in rood, groene en blauwe kleurwaarden van pixels) om manipulatie te detecteren en (2) gebruik van een ruisstroomfilter.

Resultaten? De auteurs zeiden in hun paper dat "Experimenten met standaard datasets aantonen dat onze methode niet alleen manipulatie-artefacten detecteert, maar ook onderscheid maakt tussen verschillende manipulatietechnieken. Meer functies, inclusief JPEG-compressie, zal in de toekomst worden onderzocht."

De Adobe Blog herinnert ons eraan dat digitale beeldmanipulatie een technologie is die "zowel voor de beste als de slechtste van onze verbeelding kan worden gebruikt".

Waarom dit onderzoek belangrijk is:Gebruikte technieken bieden meer mogelijkheden en meer opties om de impact van digitale manipulatie te beheersen, en ze beantwoorden mogelijkerwijs vragen over authenticiteit, zei de Adobe Blog.

Paul Lilly woog bij HotHardware :"Het is geen perfect systeem, maar het is leuk om te zien hoe bedrijven als Adobe werken aan manieren om feiten en fictie in de fotografie te scheiden."

© 2018 Tech Xplore