TOPマネジメント > ディープフェイクの技術と現状、そして危険性(上)

マネジメント

ディープフェイクの技術と現状、そして危険性(上)

2020/10/05

Martin Heller InfoWorld

敵対的生成ネットワーク

 GAN(敵対的生成ネットワーク)は、生成側と識別側の2つのニューラルネットワークを互いに競わせることで精度を高める手法である。生成ネットワークは、オリジナルと統計的に同じサンプルの生成を試み、識別ネットワークは、オリジナルのデータ分布からの逸脱を検出することを試みる。

 GANのトレーニングは反復的で時間がかかり、処理時間に伴うコストが大きく増える。現状では、ディープフェイク動画の作成よりも、架空の人物のリアルな単一画像の生成(例えばStyleGAN)の方が適しているが、ディープラーニングのハードウエアの高速化に伴って状況が変わる可能性もある。

ディープフェイクの検出

 2020年初め、ディープフェイクの検出手法の開発コンテスト「Deepfake Detection Challenge(DFDC)」が、Kaggleプラットフォームで4カ月にわたって開催された。米Amazon Web Services、米Facebook、米Microsoft、AI研究団体Partnership on AIのAI and Media Integrity Steering Committee、大学などが共同で立ち上げたコンテストだ。

 このコンテストには、詳しい解説付きのプロトタイプソリューションとして、基礎知識スターターキットのノートブックが含まれていた。また、コンテストで優勝したSelim Seferbekov氏のソリューションについても、同氏自身による解説がある。

 Seferbekov氏のソリューション自体、現在はオープンソース化されている。細部を理解するにはディープニューラルネットワークや画像処理の詳細な知識が必要だが、フレーム単位で顔を検出する手法を用い、ImageNetデータセットで学習済みのEfficientNet B7を使用しているとのこと。

 ただし、優勝したこのソリューションでも、DFDCのテストデータベースのディープフェイクのうち、3分の2程度しか検出できなかった。

翻訳:内山卓則=ニューズフロント

↑ページ先頭へ