menu
close

முக மாற்றங்களைத் தாண்டி டீப்ப்ஃபேக்குகளை கண்டறியும் கூகுளின் ஏஐ அமைப்பு

யூசி ரிவர்சைடு ஆராய்ச்சியாளர்கள் மற்றும் கூகுள் இணைந்து, முகங்கள் காணப்படாத வீடியோக்களிலும் டீப்ப்ஃபேக்குகளை கண்டறியும் 획ப்புத்துணை ஏஐ அமைப்பான UNITE-ஐ உருவாக்கியுள்ளனர். பாரம்பரிய கண்டறிதல் முறைகளுக்கு மாறாக, UNITE முழு வீடியோ ஃபிரேம்களையும், பின்னணிகள் மற்றும் இயக்க வடிவங்களையும் பகுப்பாய்வு செய்து செயற்கை அல்லது மாற்றியமைக்கப்பட்ட உள்ளடக்கத்தை அடையாளம் காண்கிறது. தகவல் நம்பகத்தன்மையை அச்சுறுத்தும் உயர் நுட்ப டீப்ப்ஃபேக் வீடியோக்களுக்கு எதிராக இது ஒரு முக்கிய முன்னேற்றமாகும்.
முக மாற்றங்களைத் தாண்டி டீப்ப்ஃபேக்குகளை கண்டறியும் கூகுளின் ஏஐ அமைப்பு

ஏஐ மூலம் உருவாக்கப்படும் வீடியோக்கள் நாளுக்கு நாள் நம்பகமாகவும் எளிதாகவும் உருவாகும் நிலையில், யூசி ரிவர்சைடு ஆராய்ச்சியாளர்கள் கூகுளுடன் இணைந்து டிஜிட்டல் மோசடிக்கு எதிராக ஒரு சக்திவாய்ந்த புதிய ஆயுதத்தை உருவாக்கியுள்ளனர்.

Universal Network for Identifying Tampered and synthEtic videos (UNITE) எனப்படும் இந்த அமைப்பு, தற்போதைய டீப்ப்ஃபேக் கண்டறிதல் தொழில்நுட்பங்களில் உள்ள முக்கியமான பலவீனத்தை சமாளிக்கிறது. தற்போதைய கருவிகள் பெரும்பாலும் முகங்களில் ஏற்படும் அசாதாரணங்களை மட்டுமே கவனிக்கின்றன. ஆனால் UNITE, முழு வீடியோ ஃபிரேம்களையும், பின்னணி, இயக்க வடிவங்கள் மற்றும் இடைவேளைகளில் ஏற்படும் நுண்ணிய முரண்பாடுகளையும் ஆராய்ந்து மாற்றங்களை கண்டறிகிறது.

"டீப்ப்ஃபேக்குகள் வளர்ச்சி பெற்றுள்ளன," என்கிறார் இந்த ஆராய்ச்சியை வழிநடத்திய யூசி ரிவர்சைடு முனைவர் பட்ட மாணவர் ரோஹித் குண்டு. "இப்போது இது வெறும் முக மாற்றம் மட்டும் இல்லை. சக்திவாய்ந்த ஜெனரேட்டிவ் மாடல்களை பயன்படுத்தி, முழுமையாக போலியான வீடியோக்கள்—முகம் முதல் பின்னணி வரை—உருவாக்கப்படுகின்றன. எங்கள் அமைப்பு இதையெல்லாம் பிடிக்க வடிவமைக்கப்பட்டுள்ளது."

பிரொஃபெசர் அமித் ராய்-சௌதுரி மற்றும் கூகுள் ஆராய்ச்சியாளர்கள் ஹாவோ சியோங், விஷால் மோகந்தி, அதுல பாலச்சந்திரா ஆகியோர் இணைந்து மேற்கொண்ட இந்தக் கூட்டாண்மை, நாஷ்வில்லில் நடைபெற்ற 2025 கணினி பார்வை மற்றும் வடிவமைப்பு மாநாட்டில் (Conference on Computer Vision and Pattern Recognition) வெளியிடப்பட்டது. Text-to-video மற்றும் image-to-video உருவாக்கும் பிளாட்ஃபார்ம்கள் மூலம் இந்த வகை நுட்பமான வீடியோ போலிகள் யாராலும் எளிதில் உருவாக்கக்கூடியதாகிவிட்டுள்ள நிலையில், இந்த கண்டுபிடிப்பு வெளியாகியுள்ளது.

UNITE, SigLIP எனப்படும் அடிப்படையில் கட்டப்பட்ட டிரான்ஸ்ஃபார்மர் சார்ந்த தீப்லெர்னிங் மாடலை பயன்படுத்துகிறது. இது குறிப்பிட்ட நபர் அல்லது பொருளுக்கு மட்டும் சார்ந்திராத அம்சங்களைப் பிரித்தெடுக்கிறது. "அட்டென்ஷன்-டைவெர்சிட்டி லாஸ்" எனப்படும் புதிய பயிற்சி முறையின் மூலம், ஒவ்வொரு ஃபிரேமிலும் பல்வேறு காட்சி பகுதிகளை கண்காணிக்க அமைப்பு வலியுறுத்தப்படுகிறது; இதனால் முகங்களில் மட்டும் அதிகமாக சார்ந்திருப்பதைத் தவிர்க்க முடிகிறது.

இன்னும் மேம்படுத்தப்பட்டுவரும் நிலையில் இருந்தாலும், சமூக ஊடகங்கள், செய்தித்தாள்கள் மற்றும் உண்மைச் சரிபார்ப்பாளர்கள் போலியான வீடியோக்கள் வைரலாகாமல் தடுக்க UNITE விரைவில் அவசியமான கருவியாக மாறக்கூடும். டீப்ப்ஃபேக்குகள் பொதுமக்கள் நம்பிக்கை, ஜனநாயக செயல்முறை மற்றும் தகவல் நம்பகத்தன்மையை அதிகமாக அச்சுறுத்தும் நிலையில், UNITE போன்ற பொதுவான கண்டறிதல் கருவிகள் டிஜிட்டல் தவறான தகவல்களுக்கு எதிரான முக்கியமான பாதுகாப்பு வரியாக அமைகின்றன.

Source:

Latest News