Rhetorik.ch

Knill+Knill Kommunikationsberatung

Knill.com
Aktuell Artikel Artikel Inhaltsverzeichnis Suche in Rhetorik.ch:

www.rhetorik.ch aktuell: (20. Sep, 2019)

Fortschritte bei Deep Fakes

Rhetorik.ch Artikel zum Thema:
Deep Fakes, Manipulationen von Videos bei der ein Gesicht durch ein anderes Ausgetauscht wird, ist viel schwieriger als eine Fotoshop Manipulation. Die Software muss ein Gesicht so gut kennen, dass sie auch Situationen darstellen kann, die nicht gefilmt worden sind. Es werden immer mehr Fortschritte gemacht. Hier ist ein neues Beispiel. Was erstaunlich ist, dass die Software die Manipulation in Echtzeit machen kann. Bisher brauchte das lange Rechnungen. Allerdings ist das Gesicht in der Demo auch eher grob dargestellt, wie in einem alten Computer Spiel. Noch könnte man damit niemanden überzeugen. Man kann aber vorhersehen, dass in nicht all zu langer Zeit, Deep Fakes möglich werden, die nur von Spezialisten als solche erkannt werden können. Heise:
Entwicklern des Münchener IT-Beratungshauses TNG Technology Consulting ist es gelungen, eine Software zu entwickeln, mit der sich sogenannte Deep Fakes in Echtzeit erzeugen lassen. Dadurch ist es möglich, Live-Aufnahmen von Webcams derart zu verfälschen, dass das Gesicht vor der Kamera mit dem einer anderen Person vertauscht wird. Deep Fakes sind auf Basis Künstlicher Intelligenz erzeugte Fälschungen von Bildern oder Videos, die täuschend echt wirken können. Im häufigsten Anwendungsfall werden dabei Gesichter ausgetauscht und somit die Illusion erzeugt, eine andere Person in einem Video zu sehen. Dabei wird die Mimik eines vor einer Kamera stehenden Menschen erkannt und auf die Gesichter bekannter Persönlichkeiten übertragen. Im finalen Videostream entfernt die Software zunächst das Eingabe-Gesicht und ersetzt es dann mit dem Deep Fake. Der von TNG vorgestellte Prototyp ist eine Art Spiegel, in dem man zwar die Mimik wiedererkennt, aber eben nicht das Gesicht. Durch die Anwendung verschiedener Techniken aus dem Bereich der Computer Vision und neuronalen Netze werden hier Gesichter in der Videoeingabe erkannt, übersetzt und zurück in die Videoausgabe integriert. Durch diese Technik ist es möglich, täuschend echte Imitationen auf andere Personen zu projizieren. Zum Einsatz kamen in dem Projekt mit der Deep-Learning-Bibliothek Keras trainierte Autoencoder-Netze. Trainiert wurden diese mittels sogenannter GANs (Generative Adversarial Networks). Zusätzlich verwendeten die Forscher verschiedene andere neuronale Netze zur Gesichtserkennung und Segmentierung.
Auf Youtube:

Rhetorik.ch 1998-2019 © K-K Kommunikationsberatung Knill.com