開發(fā)數(shù)字渲染或編輯它們會消耗大量時間。但是，麻省理工學院和IBM的研究人員可能對此問題有解決方案。該團隊已經(jīng)培訓了AI，可以根據(jù)其中的編輯對象生成攝影圖像。

盡管這對于藝術家和設計師可能很方便，但它也將提供有關神經(jīng)網(wǎng)絡如何理解上下文的見解。該小組旨在發(fā)現(xiàn)偽造和變形的圖像。該工具被稱為GANpaint，可以用作免費演示的一部分。該工具將進行場景放置，而不是進行手動更改。

該工具還允許您擦除對象。它仍在開發(fā)中，但是團隊希望該工具可能很快能夠編輯視頻剪輯。例如，如果場景沒有必需的道具，則編輯器可以在以后使用AI添加它。

在構建AI時，團隊驚訝地發(fā)現(xiàn)該系統(tǒng)學會了對象之間的簡單關系-例如，門不會出現(xiàn)在天空和其他地方。雖然該工具可以更輕松地創(chuàng)建偽造圖像，但也可以派上用場來發(fā)現(xiàn)偽造圖像。

解釋GANpaint的論文的共同作者朱俊彥（Jun-Yan Zhu）說：“在防御之前，您需要先了解對手?！?研究人員將在下個月的會議上介紹他們的工作。同時，您可以試一下GANpaint Studios。

此外，紐約大學坦登工程學院的一項新研究表明，如果從源頭（即相機）開始進行偽造圖片的選擇，那將真的很方便。

如果攝像頭變得智能化，則可以幫助其他機器學習程序識別圖像是否變形。研究人員還發(fā)現(xiàn)，該技術將計算機發(fā)現(xiàn)假貨的準確性從45%提高到90%。

該方法重新成像相機處理信息以顯影照片的方式。相機會在圖像中產(chǎn)生獨特的偽像，以后軟件可以使用該偽像來評估圖像是否被更改。