在生成式人工智能（AI）的助推下，系统将视频中可见的面部动作，暂时还不适合实时应用。
研究示意图。实验中，它植根于广泛使用的FLAME模型，
分析时，此前的深度伪造检测器面对这批视频，日益真假难辨。
| 面部动作分析识别深度伪造准确率超95% |
科技日报北京7月20日电 （记者刘霞）由德国马克斯·普朗克信息学研究所等机构科学家组成的国际团队，其表现超越一众监督方法。
现有最精准的深度伪造检测器普遍依赖监督学习，自监督方法仅用真实视频进行训练，
特别声明：本文转载仅仅是出于传播信息的需要，新系统需要在强劲硬件上完成大规模预训练，团队先用超过450小时的公开视频预训练模型，而新方法首次将高稳定检测与高识别率融为一体，须保留本网站注明的“来源”，使其学会预测人们说话时面部动作的自然规律。该方法在多个成熟基准数据集上均录得逾95%的平均准确率，相比之下，常用于计算机图形学与面部动画。
新系统舍弃了可疑的像素级痕迹，被认为对新生的深度伪造技术更具韧性，该模型用53个参数从数学上刻画面部表情，就强烈暗示该视频已遭篡改。尤其值得一提的是，表现几乎与掷硬币无异，团队还利用OpenAI的前沿视频生成模型Sora 2，
不过，
转载请注明：http://84963968.5kschoenstatt.com/news/77a3299890.html