由于生成式人工智能的发展，真实与合成之间的界限已变得模糊。然而，深度伪造和高级渲染通常存在沉浸式现实的缺陷：在光线物理、几何结构或时间连贯性方面存在可察觉的漏洞。本文分析了如何利用3D建模和计算机视觉技术来审计数字内容，以识别这些不一致之处，并区分渲染画面与真实录制。
技术分析：光照、阴影与面部几何结构 🔍
深度伪造的审计依赖于物理渲染原理。第一种方法是环境光照分析：AI生成器在复制主光源方向或计算自投影阴影（物体投射到自身的阴影）时常常失败。例如，面部深度伪造可能显示眼睛中的高光反射与场景中的主导光源不匹配。此外，面部几何结构至关重要；计算机视觉工具可以重建面部的3D模型，并将对称性和比例与标准生物特征参数进行比较。鼻梁曲率的畸变或耳朵位置不自然的非对称性通常会暴露伪造痕迹。
实践案例：在病毒式传播内容中检测不真实元素 🕵️
在实践中，这些方法已揭露了多个病毒式传播的深度伪造。一个著名案例是一段政客做手势的视频；下颌遮挡分析显示，下巴的阴影并未随头部移动而正确变化，这是AI视频生成器的典型缺陷。另一个例子涉及一个超写实的产品渲染：物体玻璃中的光线折射在物理上对于所建模的曲率是不可能的。这些审计表明，尽管人工智能在进步，物理定律仍然是检测沉浸式现实缺陷的最佳工具。
3D建模如何应用于检测人眼难以察觉的深度伪造中的几何和光照不一致性？
(附注：检测深度伪造就像玩寻找沃利游戏，只不过找的是可疑像素。)