Generering og detektering av syntetiske menneskeansikter med kunstig intelligens
OsloMet | Høyskole og Universitet
#Computer Vision
#Convolutional Neural Networks
#Deep Learning
#Generative Adversarial Networks
#Keras
#Python
#TensorFlow
Med økende enkelhet og kvalitet på generering av data med kunstig intelligens, blir det stadig mer vanskelig å vite hva som er ekte eller ikke. Generering av falsk media har både bruk og misbruk, men i begge tilfeller er evnen til å skille mellom ekte og falskt viktig på grunn av deres potensielle samfunnsmessige innvirkning. En del av dette prosjektet gikk ut på å anvende toppmoderne maskinlæringsalgoritmer til å generere syntetiske menneskeansikter som ikke finnes fra før. Genereringen av ansikter ble utført med ferdigtrente modeller som StyleGAN3, en kjent generativ modell. Den andre delen av prosjektet gikk ut på å utvikle og anvende algoritmer som kunne skille mellom ekte ansikter og de genererte ansiktene. I tillegg ble det utviklet algoritmer kjent som "Adversarial attacks", som har som mål å lure en deteksjonsmodell til å tro at et falskt ansikt er ekte, og omvendt.