在深度偽造領(lǐng)域，或者研究人員所謂的“合成媒體”領(lǐng)域，大部分注意力都集中在可能對現(xiàn)實造成嚴重破壞的換臉以及其他深度學習算法帶來的危害上，例如模仿某人的寫作風格和聲音。但是合成媒體技術(shù)的另一個分支正取得快速進步，即人體深度偽造。

　　2018年8月，美國加州大學伯克利分校的研究人員發(fā)布了名為《人人皆為舞王》（Everybody Dance Now）的論文和視頻，展示了深度學習算法如何將專業(yè)舞者的動作轉(zhuǎn)移到業(yè)余愛好者身上的場景。雖然這種技術(shù)依然處于早期階段，但它表明機器學習研究人員正在應對更困難的任務，即創(chuàng)建全身深度偽造視頻。

　　同樣在2018年，由德國海德堡大學圖像處理合作實驗室(HCI)和科學計算跨學科中心(IWR)的計算機視覺教授比約恩·奧默爾(Bj?rn Ommer)博士領(lǐng)導的研究小組，發(fā)表了一篇關(guān)于教授機器以逼真形態(tài)渲染人類身體運動的論文。今年4月，日本人工智能（AI）公司Data Grid開發(fā)了一種AI應用，它可以自動生成不存在的人的全身模型，并可以將其應用到時尚和服裝行業(yè)。

　　雖然很明顯，全身深度偽造技術(shù)具有有趣的商業(yè)應用潛力，如在深度偽造舞蹈視頻或體育和生物醫(yī)學研究等領(lǐng)域，但在當今社會中，惡意使用案例越來越令人擔憂。目前，全身深度偽造技術(shù)還不能完全愚弄人類的眼睛，但就像任何深度學習技術(shù)一樣，它正慢慢取得進步。全身深度偽造還需要多久就能變得與現(xiàn)實無法區(qū)分？這可能只是時間問題。

　　為了創(chuàng)造深度偽造視頻，計算機科學家需要使用生成性對抗網(wǎng)絡(luò)(GANS)。這是由兩個神經(jīng)網(wǎng)絡(luò)組成的，分別是合成器或稱為生成網(wǎng)絡(luò)，以及檢測器或稱鑒別網(wǎng)絡(luò)，這些神經(jīng)網(wǎng)絡(luò)在精煉的反饋回路中工作，以創(chuàng)建逼真的合成圖像和視頻。合成器利用數(shù)據(jù)庫創(chuàng)建圖像，而后者從利用其他的數(shù)據(jù)庫，確定合成器給出的圖像是否準確和可信。

　　第一次惡意使用深度偽造技術(shù)出現(xiàn)在Reddit上，像斯嘉麗·約翰遜（Scarlett Johansson）這樣的女演員的臉被換到色情演員身上。Fast.AI公司的雷切爾·托馬斯(Rachel Thomas)表示，當前95%的深度偽造旨在用合成色情行為圖像騷擾某些人。他說：“這些深度偽造視頻中，有些并不一定使用了非常復雜的技術(shù)。但是，這種情況正逐漸發(fā)生改變?！?/p>

　　達特茅斯大學計算機科學系主席、專門研究打擊視頻偽造的圖像取證專家哈尼·法里德(Hany Farid)指出，深度偽造應用Zao說明了這項技術(shù)在不到兩年的時間里發(fā)展的速度有多快。法里德說：“從Zao身上，我發(fā)現(xiàn)這種技術(shù)已經(jīng)變得非常好，并且抹掉了很多人工痕跡，比如電影版本中的臉部閃爍問題。雖然情況正在改善，但將其大規(guī)模運行，下載給數(shù)百萬人，依然很難。這也正是深度偽造技術(shù)成熟的標志?！?/p>

　　海德堡大學的奧默爾教授領(lǐng)導著一個研究和開發(fā)全身合成媒體的團隊。與該領(lǐng)域的大多數(shù)研究人員一樣，該團隊的總體目標是理解圖像，并教授機器如何理解圖像和視頻。最終，他希望團隊能夠更好地理解人類是如何理解圖像的。

　　合成面部和整個身體的過程之間存在著關(guān)鍵性差異。奧默爾說，對人臉合成已經(jīng)進行了許多研究，這其中有幾個原因：首先，任何數(shù)碼相機或智能手機都有內(nèi)置的面部檢測技術(shù)，這項技術(shù)可用于微笑檢測等任務，或用于識別觀眾正在看的人的身份。這樣的用例可以產(chǎn)生收入，以支持更多的研究。但是，正如奧默爾所說，它們也導致了“大量的數(shù)據(jù)集組裝、數(shù)據(jù)整理和獲取面部圖像，這些都是深度學習研究的基礎(chǔ)?！?/p>

　　其次，也是奧默爾更感興趣的，雖然每個人的臉看起來都不同，但當把臉與整個人體進行比較時，它的變化可能更小。奧默爾解釋稱：“這就是為何對臉部的研究已經(jīng)到了瓶頸階段的原因，與整個人體相比，臉部研究已經(jīng)十分透徹，但身體有更多的可變性，處理起來也更復雜。如果你在朝那個方向研究，你會學到更多的東西?！?/p>

　　奧默爾不確定何時完全合成的身體將具有他和研究人員想要的質(zhì)量。然而，從惡意深度偽造技術(shù)的日益成熟來看，奧默爾注意到，即使沒有深度學習計算機視覺智能、AI或其他技術(shù)創(chuàng)建的虛假圖像或視頻，人類非常容易受到欺騙。美國眾議院議長南?！づ迓逦?Nancy Pelosi)放慢速度的視頻讓她看起來像是喝醉了酒。這段視頻向奧默爾表明，這種簡單扭曲的深度偽造技術(shù)即將出現(xiàn)，并可能會被某些人所利用。

　　奧默爾說：“但是，如果你想讓它產(chǎn)生更大的吸引力，可能還需要幾年的時間，那時全身和其他深度偽造技術(shù)將變得更便宜，更普遍。研究社區(qū)本身已經(jīng)朝著這個方向前進，他們需要為我們看到的這種穩(wěn)定進步負責，算法很容易獲得，比如在Github上等等。所以，你可以從某些論文中找到可以下載的最新代碼，然后在沒有太多知識的情況下，應用它即可?！?/p>