실재와 합성의 경계는 생성형 인공지능 덕분에 흐려졌습니다. 그러나 딥페이크와 고급 렌더링은 종종 몰입형 현실감의 결함, 즉 빛의 물리학, 기하학 또는 시간적 일관성에서 감지 가능한 간극을 나타냅니다. 이 기사는 3D 모델링 및 컴퓨터 비전 기술이 디지털 콘텐츠를 감사하여 이러한 불일치를 식별하고 렌더링과 실제 녹화를 구별하는 방법을 분석합니다.
기술 분석: 조명, 그림자 및 얼굴 기하학 🔍
딥페이크 감사는 물리 기반 렌더링 원리에 의존합니다. 첫 번째 방법은 주변 조명 분석입니다. AI 생성기는 종종 주 광원의 방향을 복제하거나 자체 그림자(물체가 자신에게 드리우는 그림자)를 계산하는 데 실패합니다. 예를 들어, 얼굴 딥페이크는 장면의 지배적인 광원과 일치하지 않는 눈의 정반사 하이라이트를 보여줄 수 있습니다. 또한 얼굴 기하학이 핵심입니다. 컴퓨터 비전 도구는 얼굴의 3D 모델을 재구성하고 대칭성과 비율을 표준 생체 인식 매개변수와 비교할 수 있습니다. 콧등의 곡률 왜곡이나 귀 위치의 부자연스러운 비대칭은 종종 조작을 드러냅니다.
실제 사례: 바이럴 콘텐츠에서 비현실적인 것 탐지하기 🕵️
실제로 이러한 방법은 바이럴 딥페이크를 폭로했습니다. 유명한 사례는 한 정치인이 손짓하는 비디오였습니다. 턱 폐색 분석 결과 턱 그림자가 머리 움직임에 따라 올바르게 이동하지 않았는데, 이는 AI 비디오 생성기의 전형적인 결함입니다. 또 다른 예는 초현실적인 제품 렌더링과 관련이 있습니다. 물체 유리의 빛 굴절이 모델링된 곡률에 대해 물리적으로 불가능했습니다. 이러한 감사는 AI가 발전하지만 물리 법칙이 여전히 몰입형 현실감 결함을 탐지하는 최고의 도구임을 보여줍니다.
3D 모델링은 인간의 눈으로 감지할 수 없는 딥페이크의 기하학적 및 조명 불일치를 탐지하는 데 어떻게 적용될 수 있습니까?
(추신: 딥페이크 탐지는 의심스러운 픽셀로 월리를 찾아라 게임을 하는 것과 같습니다.)