menu
close

गूगल की एआई प्रणाली अब चेहरे के बिना भी डीपफेक वीडियो की पहचान कर सकती है

यूसी रिवरसाइड के शोधकर्ताओं और गूगल ने मिलकर UNITE नामक एक क्रांतिकारी एआई प्रणाली विकसित की है, जो उन वीडियो में भी डीपफेक का पता लगा सकती है, जिनमें चेहरे दिखाई नहीं देते। पारंपरिक तरीकों के विपरीत, UNITE पूरे वीडियो फ्रेम—जैसे पृष्ठभूमि और गति के पैटर्न—का विश्लेषण करता है ताकि कृत्रिम या छेड़छाड़ किए गए कंटेंट की पहचान की जा सके। यह सार्वभौमिक डिटेक्टर लगातार परिष्कृत होते जा रहे एआई-जनित वीडियो के खिलाफ सूचना की विश्वसनीयता बनाए रखने की दिशा में एक महत्वपूर्ण उपलब्धि है।
गूगल की एआई प्रणाली अब चेहरे के बिना भी डीपफेक वीडियो की पहचान कर सकती है

जैसे-जैसे एआई-जनित वीडियो अधिक विश्वसनीय और सुलभ होते जा रहे हैं, यूसी रिवरसाइड के शोधकर्ताओं ने गूगल के साथ मिलकर डिजिटल धोखाधड़ी के खिलाफ एक शक्तिशाली नया हथियार विकसित किया है।

उनकी प्रणाली, जिसका नाम यूनिवर्सल नेटवर्क फॉर आइडेंटिफाइंग टैम्पर्ड एंड सिंथेटिक वीडियो (UNITE) है, वर्तमान डीपफेक डिटेक्शन तकनीक में मौजूद एक महत्वपूर्ण कमजोरी को दूर करती है। जहां मौजूदा टूल मुख्य रूप से चेहरे में गड़बड़ी पर ध्यान केंद्रित करते हैं, वहीं UNITE पूरे वीडियो फ्रेम—पृष्ठभूमि, गति के पैटर्न और सूक्ष्म स्थानिक-कालिक असंगतियों—की जांच करता है, जो छेड़छाड़ का संकेत देती हैं।

यूसी रिवरसाइड के डॉक्टोरल कैंडिडेट रोहित कुंडू, जिन्होंने इस रिसर्च का नेतृत्व किया, बताते हैं, "डीपफेक विकसित हो चुके हैं। अब यह सिर्फ चेहरे बदलने तक सीमित नहीं है। लोग अब शक्तिशाली जनरेटिव मॉडल्स की मदद से पूरी तरह से नकली वीडियो—चेहरे से लेकर पृष्ठभूमि तक—बना रहे हैं। हमारी प्रणाली इन्हीं सबका पता लगाने के लिए तैयार की गई है।"

इस सहयोग में प्रोफेसर अमित रॉय-चौधरी और गूगल के शोधकर्ता हाओ जिओंग, विशाल मोहंती और अथुला बालाचंद्रा भी शामिल थे। इस नवाचार को नैशविल में आयोजित 2025 कंप्यूटर विजन एंड पैटर्न रिकग्निशन सम्मेलन में प्रस्तुत किया गया। यह तकनीक ऐसे समय में आई है जब टेक्स्ट-टू-वीडियो और इमेज-टू-वीडियो जनरेशन प्लेटफॉर्म्स ने परिष्कृत वीडियो फोर्जरी को लगभग सभी के लिए सुलभ बना दिया है।

UNITE एक ट्रांसफॉर्मर-आधारित डीप लर्निंग मॉडल का उपयोग करता है, जो सिगलिप (SigLIP) नामक आधार पर निर्मित है। यह मॉडल ऐसे फीचर्स निकालता है जो किसी विशेष व्यक्ति या वस्तु तक सीमित नहीं होते। एक नया प्रशिक्षण तरीका, जिसे "अटेंशन-डाइवर्सिटी लॉस" कहा गया है, प्रणाली को हर फ्रेम में कई विजुअल क्षेत्रों पर नजर रखने के लिए मजबूर करता है, जिससे चेहरों पर अत्यधिक निर्भरता नहीं रहती।

हालांकि UNITE अभी विकास के चरण में है, लेकिन जल्द ही यह सोशल मीडिया प्लेटफॉर्म, न्यूज़रूम और फैक्ट-चेकर्स के लिए जरूरी टूल बन सकता है, ताकि छेड़छाड़ किए गए वीडियो वायरल होने से रोके जा सकें। जैसे-जैसे डीपफेक सार्वजनिक विश्वास, लोकतांत्रिक प्रक्रियाओं और सूचना की विश्वसनीयता के लिए खतरा बनते जा रहे हैं, UNITE जैसी सार्वभौमिक पहचान प्रणालियाँ डिजिटल गलत सूचना के खिलाफ एक महत्वपूर्ण रक्षा पंक्ति के रूप में उभर रही हैं।

Source:

Latest News