As deepfakes foram uma das pautas mais comentadas de 2019, e elas continuam a evoluir a olhos vistos, com uma base de usuários cada vez maior e resultados mais realistas. Mas o feito do FSGAN dá um passo enorme nesse sentido.
O novo software (cujo nome significa Face Swapping GAN) nos permite recorrer a duas técnicas diferentes de criação de deepfakes em vídeo: o Face Swapping, onde sobrepomos o rosto de uma pessoa sobre o corpo de outra, e o Face Reenactment, que recria as feições de uma pessoa aplicando os movimentos de outra (incluindo os movimentos dos lábios).
Falsificações mais rápidas e mais fáceis de serem criadas
O mais relevante do FSGAN é fazer tudo isso sem precisar treinar o algoritmo por horas (ou dias), recorrendo a um caro hardware especializado que acelera o processo de aprendizagem da aparência e movimento de um rosto humano.
Não só a economia de tempo, mas sim a simplicidade para gerar deepfakes assustam: desse modo, qualquer pessoa com conhecimentos básicos da tecnologia pode produzir novas falsificações, já que todo o trabalho pesado está completamente automatizado.
O FSGAN foi produzido por cientistas da Universidade Bar-Ilan de Israel. O software mapeia o rosto ou as expressões faciais de uma pessoa ‘fonte’ (extraída de um vídeo, mesmo de baixa qualidade, a partir de um simples fotograma) para aplicar em uma segunda pessoa ‘destino’.
O vídeo de demonstração mostra resultados próximos da perfeição, mostrando processos anteriores mais complexos, e alcançando resultados muito interessantes como lidar com microfones sobrepostos ao rosto do ‘destino’, ou conjugar rostos e corpos com diferentes pigmentações de pele.
Por outro lado, o FSGAN falha (e muito) em outras situações, como na hora de aplicar o Face Reenactment a partir de uma foto individual, mostrando fundos de imagem tremidas que permitem detectar que aquele vídeo é um deepfake.
FSGAN não vai seguir os passos do GPT-2
Seus criadores anunciaram que vão compartilhar o código do FSFAN em breve, e entendem que o mesmo não é perigoso. Afirmam que impedir o compartilhamento do código não vai impedir o desenvolvimento de tecnologia similar, mas sim apenas ocultaria do público e dos responsáveis políticos as repercussões do mau uso desse tipo de algoritmos, impedindo o desenvolvimento de medidas e soluções para combater os excessos.
Via Futurity