Αντικατάσταση προσώπου με ΤΝ (AI): Πώς οι εφαρμογές αλλάζουν πρόσωπα σε βίντεο και πού προδίδονται;

Ανοίγετε μια δημοφιλή εφαρμογή στο κινητό σας, επιλέγετε μια φωτογραφία σας και, μέσα σε λίγα δευτερόλεπτα, βλέπετε τον εαυτό σας να πρωταγωνιστεί σε μια σκηνή χολιγουντιανής ταινίας ή να χορεύει σε μια συναυλία. Αυτό που παλαιότερα απαιτούσε εβδομάδες επίπονης επεξεργασίας σε εξειδικευμένα στούντιο κινηματογράφου γίνεται πλέον αυτόματα με ένα απλό άγγιγμα στην οθόνη. Πρόκειται για την τεχνολογία αντικατάστασης προσώπου (γνωστή ευρέως ως face swapping), η οποία χρησιμοποιείται ευρύτατα για ψυχαγωγία, αλλά κρύβει και σοβαρούς κινδύνους παραπλάνησης και απάτης όταν αξιοποιείται κακόβουλα.

Για να καταλάβουμε πώς λειτουργεί αυτό το ψηφιακό μακιγιάζ, πρέπει να δούμε πώς ο υπολογιστής αναλύει μια ανθρώπινη μορφή. Το σύστημα δεν αντιμετωπίζει το πρόσωπο ως ενιαία εικόνα. Αντίθετα, εντοπίζει ένα πλέγμα από δεκάδες συγκεκριμένα σημεία ελέγχου (ορόσημα προσώπου ή facial landmarks) —όπως τις άκρες των ματιών, την κορυφή της μύτης και το περίγραμμα των χειλιών. Με βάση αυτά τα σημεία, ο αλγόριθμος εξάγει ένα μαθηματικό αποτύπωμα των μοναδικών αναλογιών (διάνυσμα ταυτότητας ή face embedding) που ορίζει ποιος είστε, ανεξάρτητα από το αν χαμογελάτε ή κοιτάτε λοξά.

Πώς συντίθεται το νέο πρόσωπο βήμα προς βήμα

Η διαδικασία της αντικατάστασης στηρίζεται στον έξυπνο διαχωρισμό των στοιχείων της εικόνας. Το λογισμικό εκτελεί τρεις διαδοχικές φάσεις επεξεργασίας:

• Απομόνωση ταυτότητας από τις εκφράσεις — ο αλγόριθμος διαχωρίζει τη φυσιογνωμία από τον φωτισμό και το χαμόγελο (διαχωρισμός χαρακτηριστικών ή feature disentanglement), επιτρέποντας τη μεταφορά των χαρακτηριστικών χωρίς να χαθεί η κίνηση της αρχικής σκηνής.
• Προσαρμογή στη γωνία του κεφαλιού — το σύστημα υπολογίζει την κλίση και τον προσανατολισμό του προσώπου στον χώρο (εκτίμηση τρισδιάστατης στάσης ή 3D head pose estimation), ώστε τα νέα μάτια και το στόμα να στρίβουν με τη σωστή προοπτική.
• Ομαλό σβήσιμο των ορίων στο δέρμα — ειδικά μαθηματικά φίλτρα συγχωνεύουν τις άκρες του συνθετικού προσώπου με το πραγματικό δέρμα του ηθοποιού (ομαλή ανάμειξη ορίων ή Poisson blending), ταιριάζοντας τους τόνους του φωτός και των σκιών.

Για να φαίνεται το αποτέλεσμα φυσικό, η τεχνολογία χρησιμοποιεί ζεύγη ανταγωνιστικών νευρωνικών δικτύων (δίκτυα GAN ή Generative Adversarial Networks). Το ένα δίκτυο προσπαθεί να σχεδιάσει το πρόσωπο όσο πιο πειστικά μπορεί, ενώ το δεύτερο λειτουργεί σαν αυστηρός κριτής που ψάχνει λάθη. Μέσα από αυτή τη διαρκή ψηφιακή προπόνηση, οι λεπτομέρειες των πόρων του δέρματος και των ρυτίδων γίνονται απίστευτα αληθοφανείς.

Πού προδίδεται η ψηφιακή πλαστογραφία

Όσο εντυπωσιακό κι αν δείχνει ένα τέτοιο βίντεο σε μια μικρή οθόνη κινητού, οι αλγόριθμοι δυσκολεύονται πολύ να διατηρήσουν τη συνέπεια όταν η δράση γίνεται γρήγορη ή απρόβλεπτη. Τα συνηθέστερα σημάδια που προδίδουν την αντικατάσταση περιλαμβάνουν:

• Τρεμόπαιγμα φωτισμού ανάμεσα στα καρέ — καθώς ο ηθοποιός κινείται, η σκιά στο πρόσωπο μπορεί να αναβοσβήνει ανεπαίσθητα (χρονικό τρεμόπαιγμα ή temporal flickering), προδίδοντας ότι κάθε καρέ υπολογίστηκε ξεχωριστά.
• Παραμόρφωση όταν κάτι μπαίνει μπροστά — εάν ένα χέρι, ένα ποτήρι ή μια τούφα μαλλιών περάσει μπροστά από το πρόσωπο, ο αλγόριθμος μπερδεύεται και παραμορφώνει την εικόνα (σφάλμα απόκρυψης ή occlusion glitch).
• Ασυνέπεια στις αντανακλάσεις των ματιών — τα μάτια λειτουργούν σαν μικρά κάτοπτρα, αλλά τα συνθετικά πρόσωπα συχνά εμφανίζουν λάθος σημείο φωτός σε σχέση με τη λάμπα του δωματίου.
• Αφύσικη υφή στα όρια του σαγονιού — παρατηρώντας προσεκτικά το πηγούνι και τον λαιμό, διακρίνεται συχνά μια ελαφριά θολούρα ή μια γραμμή ασυνέχειας όπου τελειώνει η μάσκα του αλγορίθμου.

Η γνώση αυτών των αδυναμιών αποτελεί την καλύτερη άμυνα απέναντι σε απόπειρες παραπλάνησης. Όταν παρακολουθείτε ένα απρόσμενο ή προκλητικό απόσπασμα στο διαδίκτυο, μην κοιτάτε μόνο το κέντρο του προσώπου. Εστιάστε στις άκρες, στον λαιμό και στις γρήγορες κινήσεις των χεριών για να διακρίνετε άμεσα αν πρόκειται για αυθεντικό άνθρωπο ή για ένα ψηφιακό προσωπείο.