眼见不为实——生活中有哪些伪照片

　　平时浏览网页的时候我们经常会遇到一些伪造照片，比如使用Photoshop（以下简称为PS）将自己照片抠出来，然后粘贴到某个风景区中，人为制作出自己到某地旅游的风景照;或者使用类似https：∥thispersondoesnotexist.com/提供的AI技术，生成现实生活中不存在的人物照片（图1）。为了方便叙述，我们将上述两类照片都称之为“伪照片”。

火眼金睛——Assembler照片识伪的幕后功臣

　　对于经过图像软件处理，或者由AI合成出来的照片，Assembler是怎么进行鉴别的呢？它的幕后功臣实际上是多个图像检测器，这些检测器可以针对特定的类型进行图像鉴别，从而鉴别出真伪。
　　在Assembier官网展示的一个演示实例中，左边这张图片将原来图片里国旗上的红色斑块消除了，但是通过Assembier可以鉴别出这是一张经过后期处理的图片（图2）。
　　示例图片中的红色斑块，通过图像软件如PS可以很轻松地去除，而且我们通过肉眼很难看出其中动过什么手脚。PS删除红色斑块的原理是先选取需要删除的区域，将其删除后再通过算法抽取被删除区域周围像素的数据，然后对被删除的区域进行填充，最后对填充区域的色相、明度、饱和度进行调整，使得填充区域和周围区域看上去一致（图3）。

　　Assembier可以鉴别出这类图片，幕后功臣就是其内置的“颜色和噪点模式”检测器（用来鉴别有擦除痕迹的图片），因为经过擦除处理的图片，它和实际图片相比在颜色模式、图像噪点上会出现异常。为此谷歌首先建立一个训练模型，接着准备大量的类似上述示例擦除照片让这个模型进行鉴别，在进行大数据训练的同时结合神经网络进行自我学习和提高，最终生成一套算法并将其部署在Assembier服务器上。这样服务器在接收到类似图2中的图片时，检测器就会根据算法对图片每个部分进行检测，如果发现其中某部分的颜色值和噪点模式不一致，那么Assembler就判定这是一张经过后期处理的“伪图”（图4）。
　　Assembler内置的“StyleGAN检测器”则主要对通过“StyleGAN”技术生成的AI图片进行鉴别（目前网站AI合成图像底层技术基本来自StvleGAN）。比如使用英伟达的StyleGAN技术生成的AI人像，这类照片带有明显的基于样式生成对抗网络技术特征，上述检测器可以鉴别出该特征并将其和正常照片区分出来。
　　此外Assembler还有“Dense-Field Copy-Meve”检测器（用来鉴别具有粘贴特征的图片，比如使用抠图方法将其他物件粘贴过来的图片）、“JPEG DIMLES”检测器（用来鉴别被编辑过并且经过压缩处理的JPEG格式图片）、“自洽性拼接”检测器（用来鉴别更改过EXIF属性的图片）、“SPLICEBUSTER”“检测器”（用来鉴别噪点模式不一致的图片）和“集成Model”检测器（可以同时分析图片是否使用多种类型的操作，然后交由特定检测器进行检测）。这样Assembler将多个检测器组成的集合模型就可以识别多种图像处理类型，鉴别结果比任何单个检测器都更准确（图5）。

理性看待Assembler

　　类似Assembler这种简单易用同时又有高超图片鉴别能力的服务，必然会给我们的生活带来更多便利，比如借助Assembler的识图能力，以后在遇到一些看上去真伪难辨的新闻图片时，我们就可以通过Assembier快速地进行鉴别，避免被各种假新闻蒙骗。
　　当然我们也应该看到Assembler鉴图能力的局限性，它实际所依赖的是每个检测器背后的算法，而“伪”图的制作其实也是借助算法，因此真伪鉴别本质上就是两种算法之争。如果图像处理软件的算法比Assembler更好，那么Assembler是无法将其鉴别出来的。此外，因为Assembler的鑒别能力严重依赖算法，而自然界中图片的颜色、光线千变万化，仅仅依靠算法还是无法真正鉴别出每一张图片，因此我们对Assembler的能力也别太过迷信（图6）。