Estimación de características óptimas para la generación de deepfakes Público Deposited
En la actualidad, la mayoría de las personas son consumidores de entretenimiento y noticias principalmente por redes sociales y la web. En ellas se puede encontrar fácilmente cualquier tipo de contenido o bien los temas más populares del momento, los cuales en su mayoría no son cuestionados acerca de su veracidad. En estos últimos años se han divulgado muchos videos manipulados con fines de entretenimiento y lucro, en donde usualmente se ven rostros de artistas en películas que no fueron parte del reparto, en eventos dando discursos fuera de lo común, o bien realizando actividades cotidianas de una forma peculiar y que seguramente resultan creíbles por lo bien que están hechos, o porque no se presta la atención suficiente para dudar de ellos. En algunos casos estos materiales fueron creados con una nueva tecnología conocida como deepfake, que se utiliza para poner el rostro de una persona sobre el de otra, lo cual permite fácilmente hacer ediciones y montajes, utilizando una gran cantidad de imágenes de las personas que se quiera falsificar y con la ayuda de softwares creados con Inteligencia Artificial (IA). Esta tecnología puede mostrarse como divertida, sin embargo, este tipo de contenido puede generar una gran cantidad de desinformación y daños morales. Aunque el DEEPFAKE es una técnica muy reciente, existen trabajos muy bien ejecutados, no obstante, también se pueden encontrar resultados menos creíbles. En este trabajo de investigación se propone estimar los factores que influyen en la realización de este tipo de contenido, para así poder determinar las mejores condiciones y obtener resultados idóneos, sin la necesidad de hacer uso de herramientas de diseño o aplicaciones para mejorar errores. Para ello se hicieron pruebas con características relativas de los videos originales como la iluminación, tono de piel, tipo de encuadre, afinidad de los rostros y movimientos del conjunto de datos. Se estudiaron los tipos de iluminación, se hicieron modificaciones sobre el tono de piel en los videos originales, se generó un algoritmo que permitiera identificar la afinidad entre dos rostros, además se creó una matriz de similitud en donde se pudiera identificar más rápido el parecido entre dos celebridades, se crearon deepfakes con diferentes ángulos y movimientos del rostro, entre otras cosas. También se revisaron y modificaron algunos hiperparámetros de una red neuronal que permite realizar deepfakes como el optimizador y el número de capas que utiliza la red, todo lo mencionado anteriormente con el fin de observar el desempeño en los resultados. Esta investigación tiene un aporte más sobre la línea de detección de deepfakes en los cuales los puntos que se mencionarán en la fase de pruebas pueden ser útiles como base para identificar falsedades en este nuevo material.
Relacionamentos
| No conjunto administrativo: |
|---|
Descrições
| Nome do Atributo | Valores |
|---|---|
| Creador | |
| Colaboradores | |
| Tema | |
| Editor | |
| Idioma | |
| Identificador | |
| Palavra-chave | |
| Año de publicación |
|
| Tipo de Recurso | |
| Derechos | |
| División académica | |
| Línea académica | |
| Licencia |
