دیپ‌فیک چگونه ساخته می‌شود؟ پاسخ کوتاه این است: با ترکیب مدل‌های یادگیری عمیق، نمونه‌های تصویری یا ویدیویی و پردازش نهایی تصویر. این مدل‌ها الگوهای چهره، نور، حرکت و حالت‌های مختلف را از داده‌های آموزشی یاد می‌گیرند و سپس تصویری تولید می‌کنند که ممکن است در نگاه اول واقعی به نظر برسد.

فرایند تولید دیپ‌فیک فقط «قرار دادن یک چهره روی چهرهٔ دیگر» نیست. در بسیاری از نمونه‌ها، هوش مصنوعی باید شکل صورت، جهت نگاه، حرکت لب، سایه‌ها و هماهنگی با پس‌زمینه را هم بازسازی کند. به همین دلیل خروجی نهایی معمولاً حاصل چند مرحلهٔ فنی و گاهی ویرایش دستی است، نه نتیجهٔ یک دکمهٔ ساده.

دیپ‌فیک چگونه ساخته می‌شود؟ از داده تا تصویر نهایی

هر پروژهٔ دیپ‌فیک معمولاً با گردآوری نمونه‌هایی از چهره یا سوژه شروع می‌شود. این نمونه‌ها می‌توانند عکس‌ها، فریم‌های ویدیویی یا تصاویر تولیدشده باشند. مدل با بررسی آن‌ها، ویژگی‌هایی مانند فاصلهٔ چشم‌ها، فرم بینی، خط فک، حالت لب‌ها و تغییرات چهره در زاویه‌های گوناگون را یاد می‌گیرد.

پس از آموزش، مدل تلاش می‌کند چهره یا حالت جدیدی بسازد که با تصویر مقصد هماهنگ باشد. در مرحلهٔ آخر نیز خروجی با ویدیوی اصلی ترکیب، اصلاح رنگ و نورپردازی می‌شود تا مرز میان بخش واقعی و جعلی کمتر دیده شود.

  1. جمع‌آوری و آماده‌سازی داده: تصاویر انتخاب، برش و از نظر اندازه و کیفیت هماهنگ می‌شوند.
  2. آموزش مدل: شبکهٔ عصبی الگوهای چهره، حرکت و ظاهر سوژه را یاد می‌گیرد.
  3. تولید یا جای‌گذاری: چهره، حالت یا جزئیات تازه روی تصویر مقصد ایجاد می‌شود.
  4. ترکیب و اصلاح: رنگ، لبه‌ها، سایه‌ها و هماهنگی تصویر برای طبیعی‌تر شدن تنظیم می‌شود.

تعویض چهره؛ رایج‌ترین روش تولید تصاویر جعلی

در روش تعویض چهره، مدل ابتدا چهرهٔ فرد هدف و چهرهٔ موجود در تصویر مقصد را از هم تفکیک می‌کند. سپس ویژگی‌های هویتی چهرهٔ اول را با وضعیت سر، نور و حالت صورت چهرهٔ دوم هماهنگ می‌کند و نتیجه را در جای مناسب قرار می‌دهد.

مدل‌های قدیمی‌تر برای این کار از ساختارهایی مانند خودرمزگذار استفاده می‌کردند. این مدل‌ها تصویر را به نمایش فشرده‌ای تبدیل و دوباره بازسازی می‌کنند. اگر مدل با نمونه‌های کافی آموزش دیده باشد، می‌تواند هویت یک چهره را با زاویه یا حالت متفاوت بازسازی کند؛ البته کیفیت آن به داده‌های آموزشی وابسته است.

خروجی خام معمولاً کامل نیست و ممکن است در اطراف مو، گوش، فک یا بخش‌هایی که با پس‌زمینه هم‌پوشانی دارند، ناهماهنگی دیده شود. اصلاح این بخش‌ها با پردازش تصویر یا تدوین، نتیجه را باورپذیرتر می‌کند.

بازسازی حرکت صورت و جعل ویدیو

همهٔ دیپ‌فیک‌ها با تعویض هویت چهره ساخته نمی‌شوند. در روش دیگری که به بازسازی یا انتقال حالت صورت مربوط است، مدل حرکت‌های یک چهره را از منبعی مانند ویدیوی اجراکننده می‌گیرد و آن‌ها را روی چهرهٔ فرد دیگری اعمال می‌کند.

در این فرایند، تغییر جهت سر، باز و بسته شدن دهان، پلک زدن و حالت‌های احساسی باید با فریم‌های ویدیو هماهنگ شود. هرچه حرکت سریع‌تر یا زاویهٔ صورت پیچیده‌تر باشد، حفظ پیوستگی تصویر دشوارتر می‌شود. به همین دلیل خطاها گاهی در فریم‌های میانی یا هنگام چرخش ناگهانی چهره آشکار می‌شوند.

مدل‌های مولد چگونه تصویر جعلی می‌سازند؟

مدل‌های مولد می‌توانند تصویر جدیدی تولید کنند که نمونهٔ دقیق یک عکس موجود نیست. شبکه‌های مولد تخاصمی یا GAN از دو بخش اصلی تشکیل می‌شوند: یک بخش تصویر تولید می‌کند و بخش دیگر تلاش می‌کند واقعی یا جعلی بودن آن را تشخیص دهد. رقابت این دو بخش به مدل کمک می‌کند خروجی‌های طبیعی‌تری بسازد.

مدل‌های انتشار یا Diffusion نیز با افزودن و سپس حذف تدریجی نویز، تصویر را مرحله‌به‌مرحله شکل می‌دهند. این مدل‌ها می‌توانند چهره‌ای کاملاً ساختگی بسازند یا بر اساس یک تصویر، ظاهر و جزئیات آن را تغییر دهند. در چنین حالتی ممکن است تصویر متعلق به هیچ فرد واقعی نباشد، اما از نظر ظاهر کاملاً باورپذیر به نظر برسد.

تفاوت مهم این است که در تعویض چهره معمولاً یک هویت واقعی جابه‌جا می‌شود، اما در تولید مولد ممکن است کل چهره یا صحنه از ابتدا ساخته شود. البته ابزارهای امروزی می‌توانند هر دو روش را با هم ترکیب کنند.

نقش داده‌های آموزشی در کیفیت دیپ‌فیک

مدل هوش مصنوعی فقط به اندازهٔ داده‌هایی که دریافت می‌کند، شناخت مناسبی از چهره و حرکت دارد. تصاویر کم‌کیفیت، نورهای تکراری یا زاویه‌های محدود می‌توانند باعث شوند مدل در شرایط جدید عملکرد ضعیفی داشته باشد.

برای خروجی دقیق‌تر، داده‌ها معمولاً از نظر نور، اندازه، زاویهٔ سر و حالت چهره متنوع می‌شوند. با این حال، افزایش داده به‌تنهایی مشکل را حل نمی‌کند؛ برچسب‌گذاری نادرست، کیفیت پایین و شباهت بیش از حد نمونه‌ها می‌تواند نتیجه را منحرف کند.

از نظر اخلاقی نیز منبع داده اهمیت دارد. استفاده از تصاویر عمومی به معنی رضایت فرد برای ساخت محتوای جعلی نیست. به‌خصوص دربارهٔ کودکان، اعضای خانواده یا افراد مشهور، انتشار محتوای دست‌کاری‌شده بدون رضایت می‌تواند به حریم خصوصی و اعتبار افراد آسیب بزند.

چرا تصویر دیپ‌فیک گاهی واقعی به نظر می‌رسد؟

مدل‌های جدید فقط خود چهره را تولید نمی‌کنند؛ آن‌ها تلاش می‌کنند رابطهٔ میان چهره، نور، پس‌زمینه و حرکت را هم حفظ کنند. اصلاح رنگ و ترکیب با ویدیوی واقعی نیز باعث می‌شود تفاوت‌ها برای چشم غیرمسلح کمتر آشکار باشد.

با این حال، طبیعی بودن ظاهری به معنی واقعی بودن محتوا نیست. یک تصویر ممکن است از نظر فنی باکیفیت باشد، اما زمان ثبت، هویت فرد یا رویدادی که تصویر به آن نسبت داده شده، جعلی باشد. برای ارزیابی چنین محتوایی باید به منبع، زمینهٔ انتشار و نسخه‌های دیگر تصویر هم توجه کرد؛ تشخیص نشانه‌های تصویری به‌تنهایی همیشه کافی نیست.

جمع‌بندی: فناوری ساخت دیپ‌فیک ترکیبی از چند مرحله است

دیپ‌فیک چگونه ساخته می‌شود؟ با آموزش مدل‌های یادگیری عمیق روی داده‌های تصویری، تولید یا انتقال چهره و حالت، و سپس ترکیب و اصلاح خروجی. تعویض چهره، بازسازی حرکت، مدل‌های GAN و مدل‌های انتشار از مهم‌ترین فناوری‌های این حوزه‌اند.

شناخت این مراحل کمک می‌کند بدانیم یک تصویر جعلی لزوماً با ویرایش ساده ساخته نشده است. در عین حال، استفاده از عکس یا ویدیوی افراد بدون رضایت، حتی اگر از نظر فنی ممکن باشد، قابل توجیه اخلاقی نیست و می‌تواند پیامدهای جدی برای حریم خصوصی و آبروی افراد داشته باشد.