Deepfake: ظهور رسانه های مصنوعی

ظهور رسانه مصنوعی – یک فناوری پیشگامانه که واقعیت و داستان را محو می کند. پیامدهای آن و نگرانی‌های مربوط به دستکاری مبتنی بر هوش مصنوعی را در این مقاله بررسی کنید.

دیپ فیک چیست

Deepfakes نوعی رسانه مصنوعی است که در آن شباهت یک فرد در یک تصویر یا ویدیوی موجود جایگزین می‌شود. دیپ فیک ها با استفاده از یادگیری عمیق ساخته می شوند، فناوری که به رایانه ها می آموزد الگوهای موجود در داده ها را شناسایی و تکرار کنند. دیپ‌فیک‌ها با آموزش رایانه روی مجموعه داده‌های بزرگی از تصاویر یا ویدیوهای شخص واقعی و شخصی که جایگزین می‌شود، ایجاد می‌شود. پس از آموزش، رایانه ممکن است برای تولید عکس‌ها یا ویدیوهای جدیدی استفاده شود که در آن شباهت شخص اصلی با شباهت شخص دیگر جایگزین شده است.

Deepfakes ممکن است برای تعدادی از اهداف، از جمله سرگرمی، آموزش، و تحقیق استفاده شود. اما می‌توانند برای اهداف مخرب مانند انتشار اطلاعات نادرست یا تولید محتوای مخرب استفاده شوند. با پیشرفت فناوری دیپ فیک، آگاهی از تهدیدات احتمالی و شناسایی دیپ فیک ها بسیار مهم است.

نحوه نصب Roop Deepfake

نصب های پایه و مبتنی بر GPU در دسترس هستند.

اصول:

به احتمال زیاد روی رایانه شخصی شما کار می کند، اما بسیار کند خواهد بود. می‌توانید با دنبال کردن دستورالعمل‌ها، نصب اولیه را ادامه دهید.

1. نصب پایتون و پیپ
   • از وب سایت Python در https://www.python.org/ دیدن کنید.
   • به بخش «دانلودها» بروید و جدیدترین نسخه پایتون را برای سیستم عامل خود دریافت کنید.
   • برای نصب پایتون، نصب کننده را اجرا کنید و دستورالعمل ها را دنبال کنید. کادر را علامت بزنید تا پایتون در متغیر PATH سیستم شما قرار گیرد.
   • برای تأیید اعتبار نصب پایتون، یک خط فرمان یا ترمینال را باز کنید و python –version را اجرا کنید. باید نسخه پایتون را که در حال حاضر نصب شده است نشان دهد.
   • برای نصب pip، نصب‌کننده بسته Python، دستورالعمل‌های موجود در https://pip.pypa.io/en/stable/installing/ را دنبال کنید.

2. نصب Git
   • برای دیدن وب‌سایت رسمی Git به https://git-scm.com/ بروید.
   • نسخه صحیح Git را برای سیستم عامل خود دانلود کنید.
   • برای نصب Git، نصب کننده را اجرا کنید و دستورالعمل ها را دنبال کنید.
   • یک خط فرمان یا ترمینال را باز کنید و git --version را برای بررسی نصب اجرا کنید. باید نسخه Git را نشان دهد که در حال حاضر نصب شده است.

2. نصب FFmpeg
   • FFmpeg یک برنامه نرم افزاری متمایز است که برای مدیریت داده های چند رسانه ای استفاده می شود. از وب‌سایت FFmpeg در https://ffmpeg.org/ دیدن کنید و دستورالعمل‌های دانلود و نصب سیستم عامل خود را دنبال کنید.
   • بعد از نصب باید بتوانید از FFmpeg از خط فرمان استفاده کنید.

2. نصب ابزارهای ساخت Microsoft Visual C++ 14 و C++ (فقط برای ویندوز)
   • اگر از Windows استفاده می کنید، ممکن است لازم باشد “Microsoft Visual C++ 14” و ابزارهای ساخت C++ را نصب کنید.
   • می توانید آنها را از وب سایت مایکروسافت دریافت کرده و نصب کنید. «دانلود Microsoft Visual C++ 14» را جستجو کنید و طبق دستورالعمل ادامه دهید.
3. کلون کردن مخزن و نصب الزامات:
   • به مکانی که می‌خواهید مخزن “roop” را در خط فرمان یا ترمینال کلون کنید بروید.
   • برای کلون کردن مخزن، از دستور زیر استفاده کنید:

git clone https://github.com/s0md3v/roop

• پس از شبیه سازی مخزن، از دستور زیر برای مرور به دایرکتوری “roop” استفاده کنید:

cd roop

• برای نصب بسته های ضروری پایتون، از دستور زیر استفاده کنید:

pip install -r requirements.txt

6. در حال بارگیری فایل مورد نیاز:
   • فایل را از یکی از آینه های مشخص شده (Mirrors #1، #2، #3، و #4) دانلود کنید.
   • فایل دانلود شده را در پوشه “roop” قرار دهید.
   • اگر این فایل قبلاً وجود ندارد، نام آن را به “inswapper_128.onnx” تغییر دهید.

پس از انجام این مراحل، باید تمام وابستگی‌ها و فایل‌های مورد نیاز را نصب کنید. برای استفاده از برنامه، دستور زیر را در پوشه “roop” اجرا کنید:

python run.py

GPU:

اگر یک GPU خوب دارید و آماده حل مشکلات نرم افزاری هستید، می توانید GPU را فعال کنید که بسیار سریعتر است. برای انجام این کار، ابتدا دستورالعمل های نصب کلی و سپس دستورالعمل های مخصوص GPU را دنبال کنید.

برای پردازنده‌های گرافیکی AMD در لینوکس:

1. بسته های PyTorch و ONNX Runtime را با دستور زیر نصب کنید:

نصب پیپ مشعل torchvision torchaudio --index-url https://download.pytorch.org/whl/rocm5.4.2

2. با استفاده از دستور زیر، بسته موجود onnxruntime را حذف نصب کنید:

uninstall pip onnxruntime

3. به فهرست کلون شده مخزن onnxruntime بروید:

git clone https://github.com/microsoft/onnxruntime && cd onnxruntime

4. با استفاده از دستورالعمل‌های زیر، می‌توانید ONNX Runtime را بسازید و نصب کنید:

./build.sh --config Release --build_wheel --update --build --parallel --cmake_extra_defines CMAKE_PREFIX_PATH=/opt/rocm/lib/lib/cmake ONNXR در TIMERUNXRTIMEONNXRTIMEONNXRTIMEONXRNTIME$RUNXR=TIMEONNXRTIMEONNXRTIMEONXRNTIMEONXRNTIMEONXRNTIMEONXRNTIMEONXRNTIMEONXRNTIMEONXRNTIMEOnNXRNTIMEONXR=Cmake _BUILD_UNIT_TESTS=خاموش --use_rocm --rocm_home=/opt/rocm
pip install build/Linux/Release/dist/*.whl

برای پردازنده‌های گرافیکی NVIDIA در ویندوز:

1. جعبه ابزار CUDA را از وب سایت رسمی دانلود و نصب کنید.
2. CUDNN (کتابخانه شبکه عصبی عمیق CUDA) را از وب سایت توسعه دهنده NVIDIA دانلود کنید.
3. با استفاده از دستور زیر، بسته‌های onnxruntime و onnxruntime-gpu موجود را حذف نصب کنید:

پیپ حذف نصب onnxruntime onnxruntime-gpu

4. PyTorch را با پشتیبانی از GPU با استفاده از دستورات زیر نصب کنید:

نصب پیپ مشعل مشعل مشعل torchaudio --force-reinstall --index-url https://download.pytorch.org/whl/cu118

5. بسته onnxruntime-gpu را نصب کنید:

نصب پیپ onnxruntime-gpu

برای Mac:

1. با استفاده از Homebrew، بسته های زیر را نصب کنید:

برو نصب wget cmake protobuf git git-lfs

2. مخزن onnxruntime-silicon را کلون کنید و به دایرکتوری شبیه سازی شده بروید:

git clone https://github.com/cansik/onnxruntime-silicon && cd onnxruntime-silicon

3. اسکریپت ساخت زیر را برای ایجاد ONNX Runtime اجرا کنید:

./build-macos.sh

4. با استفاده از pip، فایل چرخ ایجاد شده را نصب کنید:

پیپ نصب dist/*whl

برای اینتل:

1. بسته onnxruntime موجود را حذف نصب کنید:

uninstall pip onnxruntime

2. OpenVINO Intel-specific onnxruntime را نصب کنید. برای دستورالعمل‌های نصب مرتبط با سیستم خود، لطفاً به OpenVINO اسناد رسمی مراجعه کنید.

.

چگونه از Roop Deepfake استفاده کنم

با اجرای فرمان python run.py این پنجره راه اندازی می شود:

یک چهره (تصویر با چهره مورد نظر) و تصویر/ویدئوی مورد نظر (تصویر/ویدیویی که می‌خواهید در آن چهره جایگزین شود) انتخاب کنید و دکمه شروع را فشار دهید. به مکانی که می‌خواهید خروجی شما در File Explorer باشد بروید. دایرکتوری به نام وجود دارد که می توانید شاهد تغییر فریم ها در زمان واقعی باشید. پس از تکمیل پردازش، فایل نتیجه را تولید می کند. این همه است. اگر نمی‌دانید در حال انجام چه کاری هستید، کادر تأیید FPS را لمس نکنید.

نحوه تشخیص تصاویر عمیق جعلی

تشخیص عکس‌های جعلی عمیق می‌تواند دشوار باشد، زیرا فناوری عمیق جعلی تکامل یافته و پیچیده‌تر می‌شود. با این حال، در اینجا چندین روش برای شناسایی تصاویر جعلی عمیق وجود دارد:

1. حرکات صورت و بدن: حرکات صورت و بدن تصویر را به دقت بررسی کنید. تصاویر جعلی عمیق ممکن است شامل حرکات غیرعادی یا متناقض باشند، مانند عدم پلک زدن، حرکات غیرمعمول چشم یا سر، یا همگام سازی لب که هماهنگ نشده است.
2. ناهنجاری‌ها و مصنوعات:تقلبی‌های عمیق گاهی اوقات می‌توانند باعث نقص یا انحراف در تصویر شوند. به دنبال اعوجاج‌های عجیب، لبه‌های نامشخص، یا نورهای ناهموار باشید که همگی ممکن است نشان‌دهنده دستکاری باشند.
3. پس زمینه یا پیش زمینه ناسازگار: به دنبال بی نظمی در پس زمینه یا موارد پیش زمینه باشید. عکس‌های جعلی عمیق می‌توانند تحریف‌های قابل‌توجهی یا ترکیب غیرمعمول را در زمانی که مواد اصلاح‌شده با موارد معتبر روبرو می‌شوند، نشان دهند.
4. تناسبات صورت و بدن: نسبت ویژگی های مختلف صورت و اجزای بدن را بررسی کنید. عکس‌های جعلی عمیق ممکن است دارای اعوجاج‌های ظریف یا ابعاد اغراق‌آمیز باشند که با آناتومی طبیعی انسان متفاوت است.
5. Uncanny Valley: عکس‌های عمیق ساخته شده ممکن است یک جلوه دره غیرعادی ایجاد کنند که در آن ظاهر شخص تقریباً اما نه کاملاً واقعی به نظر می‌رسد. اگر چیزی در مورد بصری عجیب و غریب یا عجیب است، به غریزه خود اعتماد کنید.
6. منبع و زمینه: منشا و زمینه تصویر را در نظر بگیرید. اگر از یک منبع تایید نشده یا مشکوک نشات می گیرد، یا اگر تصویر بسیار بحث برانگیز یا دراماتیک است، ارزش بررسی بیشتر را دارد.
7. تجزیه و تحلیل فراداده: فراداده تصویر را که شامل اطلاعات دوربین، تاریخ و مکان است، بررسی کنید. عکس‌های جعلی عمیق ممکن است شامل اطلاعات تغییر یافته یا تغییراتی باشند که در برخی شرایط باعث ایجاد سوء ظن می‌شوند.
8. جستجوی عکس معکوس: از ابزارهایی مانند Google Images یا TinEye برای انجام جستجوی عکس معکوس برای تعیین اینکه آیا تصویر در جای دیگری در اینترنت ظاهر می‌شود یا خیر استفاده کنید. از آنجا که تصاویر جعلی عمیق اغلب از عکس های موجود ساخته می شوند، کشف چندین مورد از یک تصویر ممکن است نشان دهنده دستکاری باشد.

توجه به این نکته مهم است که این روش‌ها ممکن است بی‌خطا نباشند، زیرا فناوری ساختگی عمیق همچنان در حال پیشرفت است. به عنوان یک قاعده کلی، محتاط بودن و ارزیابی انتقادی تصاویر، به ویژه آنهایی که مشکوک به نظر می رسند یا بیش از حد خوب به نظر می رسند که درست نیستند، مهم است.

همچنین بخوانید: : ابزار ویرایش تصویر با هوش مصنوعی که ویرایش تصاویر را آسان می کند

این مقاله برای کمک به یادگیری Deepfake است. ما اطمینان داریم که برای شما مفید بوده است. لطفاً نظرات و انتقادات خود را در بخش نظرات زیر به اشتراک بگذارید.