Ob im Social Web, auf Musikalben- oder Magazin-Covern – die Verwendung von Bildbearbeitungsprogrammen zwecks Optimierung von Gesichtern und Körpern ist längst gang und gäbe. Allerdings wird die Technik immer besser, sodass man den Fake oft gar nicht bemerkt. Damit soll nun Schluss sein, denn Forscher von Berkeley und Adobe haben jetzt ein Tool entwickelt, das nicht nur erkennen kann, wann ein Gesicht mit Photoshop und Co. bearbeitet wurde, sondern auch konkrete Vorschläge gibt, um die Bearbeitung wieder rückgängig zu machen.
PHOTOSHOPPING INZWISCHEN GEFLÜGELTES WORT
„Das Bild wurde doch gephotoshoppt!“ Aufgrund der häufigen Verwendung ist der Begriff mittlerweile in den Sprachgebrauch übergegangen. Bei der Forschung gingen die Experten davon aus, dass ein Großteil der Bildmanipulationen mit gängigen Tools wie Adobe vorgenommen wurde. Im ersten Schritt nahmen sie verschiedene Porträtfotos und manipulierten sie auf unterschiedlichste Weise: Die Augen enger zusammen, ein freundlicheres Lächeln, eine schmalere Nase und höhere Wangenknochen. Sowohl das Originalbild als auch die manipulierte Version speisten sie anschließend in ein System mit maschinellen Lernalgorithmen und hofften, dass die KI aus den Unterschieden lernen würde.
99 PROZENT TREFFERQUOTE
Während Menschen die bearbeiteten Bilder mit bloßem Auge gar nicht erkennen konnten, identifizierte das trainierte neuronale Netzwerk die Fake-Bilder zu 99 Prozent. Aber wie geht das überhaupt? Laut Forschern sei es im Prinzip ganz simpel: Die KI erkennt winzige Muster im optischen Fluss des Bildes, die der Mensch nicht wahrnehmen kann. Diese Muster suggerieren ihr auch, wo genau etwas „verbessert“ wurde. Im Video wird die Vorgehensweise genauestens erklärt.
Bislang ist die Technologie nur bei statischen Bildern anwendbar, an einer Version für den Bewegtbildbereich wird aber bereits getüftelt. Wenn ihr mehr über das spannende Projekt erfahren möchtet, können wir euch nur die offizielle Website ans Herz legen. Neben allen Forschungsunterlagen könnt ihr dort auch den Code des neuronalen Netzwerks einsehen. Hier geht’s lang!
