ਵਿਸ਼ਾ - ਸੂਚੀ[ਛੁਪਾਓ][ਦਿਖਾਓ]
ਜਾਅਲੀ ਫੋਟੋਆਂ ਅਤੇ ਵੀਡੀਓ ਦਾ ਹੋਣਾ ਕੋਈ ਨਵੀਂ ਗੱਲ ਨਹੀਂ ਹੈ। ਇੰਟਰਨੈੱਟ ਦੀ ਵਿਆਪਕ ਵਰਤੋਂ ਤੋਂ ਬਾਅਦ, ਜਦੋਂ ਤੋਂ ਚਿੱਤਰ ਅਤੇ ਫਿਲਮਾਂ ਆਈਆਂ ਹਨ, ਲੋਕ ਮੂਰਖ ਬਣਾਉਣ ਜਾਂ ਮਨੋਰੰਜਨ ਕਰਨ ਲਈ ਜਾਲਸਾਜ਼ੀ ਬਣਾ ਰਹੇ ਹਨ।
ਹਾਲਾਂਕਿ, ਮਸ਼ੀਨ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਗਏ ਨਕਲੀ ਦੀ ਇੱਕ ਨਵੀਂ ਕਿਸਮ ਹੈ ਜੋ ਕਿਸੇ ਦਿਨ ਸਾਡੇ ਲਈ ਕਲਪਨਾ ਤੋਂ ਅਸਲੀਅਤ ਨੂੰ ਵੱਖ ਕਰਨਾ ਮੁਸ਼ਕਲ ਬਣਾ ਸਕਦੀ ਹੈ।
ਇਹ ਨਕਲੀ ਫੋਟੋਸ਼ਾਪ ਵਰਗੇ ਸੌਫਟਵੇਅਰ ਜਾਂ ਅਤੀਤ ਦੀਆਂ ਚਲਾਕੀ ਨਾਲ ਹੇਰਾਫੇਰੀ ਵਾਲੀਆਂ ਫਿਲਮਾਂ ਦੇ ਸੰਪਾਦਨ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਸਧਾਰਨ ਤਸਵੀਰ ਹੇਰਾਫੇਰੀ ਤੋਂ ਵੱਖਰੇ ਹਨ।
ਡੀਪਫੇਕ "ਸਿੰਥੈਟਿਕ ਮੀਡੀਆ" ਦੀ ਸਭ ਤੋਂ ਮਸ਼ਹੂਰ ਉਦਾਹਰਨ ਹਨ—ਚਿੱਤਰਾਂ, ਆਵਾਜ਼ਾਂ, ਅਤੇ ਵੀਡੀਓ ਜੋ ਕਿ ਰਵਾਇਤੀ ਤਰੀਕਿਆਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਤਿਆਰ ਕੀਤੇ ਗਏ ਜਾਪਦੇ ਹਨ ਪਰ ਅਸਲ ਵਿੱਚ ਵਧੀਆ ਸੌਫਟਵੇਅਰ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਬਣਾਏ ਗਏ ਸਨ।
ਡੀਪਫੇਕ ਕੁਝ ਸਮੇਂ ਤੋਂ ਆਲੇ-ਦੁਆਲੇ ਹਨ, ਅਤੇ ਜਦੋਂ ਕਿ ਉਹਨਾਂ ਦੀ ਸਭ ਤੋਂ ਪ੍ਰਸਿੱਧ ਐਪਲੀਕੇਸ਼ਨ ਅਜੇ ਤੱਕ ਅਸ਼ਲੀਲ ਫਿਲਮਾਂ ਵਿੱਚ ਅਭਿਨੇਤਾਵਾਂ ਦੇ ਸਰੀਰਾਂ 'ਤੇ ਮਸ਼ਹੂਰ ਲੋਕਾਂ ਦੇ ਸਿਰ ਲਗਾਉਣ ਲਈ ਹੈ, ਉਹ ਕਿਤੇ ਵੀ, ਕਿਤੇ ਵੀ, ਕਿਸੇ ਵੀ ਵਿਅਕਤੀ ਦੇ ਕੰਮ ਕਰਨ ਦੀ ਭਰੋਸੇਮੰਦ ਫੁਟੇਜ ਤਿਆਰ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਰੱਖਦੇ ਹਨ।
ਇਸ ਪੋਸਟ ਵਿੱਚ, ਅਸੀਂ Deepfakes ਨੂੰ ਦੇਖਾਂਗੇ, ਇਹ ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ, ਤੁਸੀਂ ਉਹਨਾਂ ਨੂੰ ਆਪਣੇ ਆਪ ਕਿਵੇਂ ਤਿਆਰ ਕਰ ਸਕਦੇ ਹੋ, ਅਤੇ ਹੋਰ ਬਹੁਤ ਕੁਝ।
ਤਾਂ, ਡੀਪਫੇਕ ਕੀ ਹੈ?
ਇੱਕ ਡੀਪ ਫੇਕ - ਡੂੰਘੀ ਸਿਖਲਾਈ ਅਤੇ ਨਕਲੀ ਵਾਕਾਂਸ਼ਾਂ ਦਾ ਸੁਮੇਲ - ਦਾ ਇੱਕ ਟੁਕੜਾ ਹੈ ਸਿੰਥੈਟਿਕ ਮੀਡੀਆ ਜਿਸ ਵਿੱਚ ਕਿਸੇ ਹੋਰ ਵਿਅਕਤੀ ਦੀ ਸਮਾਨਤਾ ਪਹਿਲਾਂ ਤੋਂ ਮੌਜੂਦ ਫੋਟੋ ਜਾਂ ਵੀਡੀਓ ਵਿੱਚ ਇੱਕ ਵਿਅਕਤੀ ਦੀ ਥਾਂ ਲੈਣ ਲਈ ਵਰਤੀ ਜਾਂਦੀ ਹੈ।
ਡੀਪਫੈਕ ਵਿਜ਼ੂਅਲ ਅਤੇ ਆਡੀਓ ਜਾਣਕਾਰੀ ਨੂੰ ਸੋਧਣ ਅਤੇ ਬਣਾਉਣ ਲਈ ਆਧੁਨਿਕ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਅਤੇ ਨਕਲੀ ਖੁਫੀਆ ਤਕਨੀਕਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ ਜਿਸ ਵਿੱਚ ਧੋਖੇ ਦੀ ਉੱਚ ਸੰਭਾਵਨਾ ਹੁੰਦੀ ਹੈ।
ਡੂੰਘੇ ਸਿੱਖਣ ਦੇ ਤਰੀਕੇ ਜਿਵੇਂ ਕਿ ਆਟੋਏਨਕੋਡਰ ਅਤੇ ਜਨਰੇਟਿਵ ਐਡਵਰਸੀਰੀਅਲ ਨੈਟਵਰਕ ਡੀਪਫੇਕ ਉਤਪਾਦਨ (GAN) ਲਈ ਪ੍ਰਾਇਮਰੀ ਵਿਧੀ ਹਨ।
ਇਹ ਮਾਡਲ ਇੱਕ ਵਿਅਕਤੀ ਦੇ ਚਿਹਰੇ ਦੀਆਂ ਭਾਵਨਾਵਾਂ ਅਤੇ ਅੰਦੋਲਨਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਅਤੇ ਤੁਲਨਾਤਮਕ ਸਮੀਕਰਨਾਂ ਅਤੇ ਅੰਦੋਲਨਾਂ ਨੂੰ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰਨ ਵਾਲੇ ਦੂਜੇ ਲੋਕਾਂ ਦੇ ਚਿਹਰੇ ਦੀਆਂ ਤਸਵੀਰਾਂ ਨੂੰ ਸੰਸ਼ਲੇਸ਼ਣ ਕਰਨ ਲਈ ਵਰਤੇ ਜਾਂਦੇ ਹਨ।
ਮਸ਼ਹੂਰ ਅਸ਼ਲੀਲ ਵੀਡੀਓਜ਼, ਜਾਅਲੀ ਖ਼ਬਰਾਂ, ਧੋਖਾਧੜੀ ਅਤੇ ਵਿੱਤੀ ਧੋਖਾਧੜੀ ਵਿੱਚ ਡੀਪ ਫੇਕ ਦੀ ਵਰਤੋਂ ਨੇ ਕਾਫ਼ੀ ਧਿਆਨ ਖਿੱਚਿਆ ਹੈ। ਉਦਯੋਗ ਅਤੇ ਸਰਕਾਰ ਦੋਵਾਂ ਨੇ ਉਹਨਾਂ ਨੂੰ ਲੱਭਣ ਅਤੇ ਉਹਨਾਂ ਦੀ ਵਰਤੋਂ ਨੂੰ ਸੀਮਤ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਕੇ ਜਵਾਬ ਦਿੱਤਾ ਹੈ।
ਪਹਿਲਾ ਆਰਡਰ ਮੋਸ਼ਨ ਮਾਡਲ
ਜਦੋਂ ਅਤੀਤ ਵਿੱਚ ਡੂੰਘੇ ਨਕਲੀ ਬਣਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕੀਤੀ ਜਾ ਰਹੀ ਸੀ, ਤਾਂ ਮੁੱਦਾ ਇਹ ਸੀ ਕਿ ਇਹਨਾਂ ਪਹੁੰਚਾਂ ਨੂੰ ਕੰਮ ਕਰਨ ਲਈ ਸਾਨੂੰ ਕਿਸੇ ਕਿਸਮ ਦੇ ਵਾਧੂ ਗਿਆਨ, ਜਾਂ ਪਹਿਲਾਂ ਦੀ ਲੋੜ ਹੈ।
ਇੱਕ ਉਦਾਹਰਣ ਦੇ ਤੌਰ 'ਤੇ, ਜੇਕਰ ਅਸੀਂ ਸਿਰ ਦੀ ਹਿੱਲਜੁਲ ਨੂੰ ਟਰੇਸ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹਾਂ ਤਾਂ ਚਿਹਰੇ ਦੇ ਮਾਰਕਰ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਜੇ ਅਸੀਂ ਪੂਰੇ ਸਰੀਰ ਦੀ ਗਤੀ ਨੂੰ ਮੈਪ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹਾਂ ਤਾਂ ਪੋਜ਼ ਦਾ ਅਨੁਮਾਨ ਲਗਾਉਣਾ ਜ਼ਰੂਰੀ ਸੀ।
ਇਹ ਪਿਛਲੇ ਸਾਲ NeurIPS ਕਾਨਫਰੰਸ ਵਿੱਚ ਬਦਲ ਗਿਆ ਜਦੋਂ ਟੋਰਾਂਟੋ ਯੂਨੀਵਰਸਿਟੀ ਦੀ ਖੋਜ ਟੀਮ ਨੇ ਆਪਣਾ ਕੰਮ ਪੇਸ਼ ਕੀਤਾ, "ਚਿੱਤਰ ਐਨੀਮੇਸ਼ਨ ਲਈ ਪਹਿਲਾ ਆਰਡਰ ਮੋਸ਼ਨ ਮਾਡਲ. "
ਇਸ ਪਹੁੰਚ ਲਈ ਐਨੀਮੇਸ਼ਨ ਦੇ ਹੋਰ ਗਿਆਨ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਇਸ ਮਾਡਲ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਤੋਂ ਬਾਅਦ, ਇਸ ਨੂੰ ਟਰਾਂਸਫਰ ਸਿੱਖਣ ਲਈ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ ਅਤੇ ਉਸੇ ਸ਼੍ਰੇਣੀ ਦੇ ਅਧੀਨ ਆਉਣ ਵਾਲੀ ਕਿਸੇ ਵੀ ਆਈਟਮ 'ਤੇ ਲਾਗੂ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ।
ਆਓ ਇਸ ਵਿਧੀ ਦੇ ਸੰਚਾਲਨ ਨੂੰ ਥੋੜਾ ਹੋਰ ਅੱਗੇ ਵੇਖੀਏ. ਮੋਸ਼ਨ ਐਕਸਟਰੈਕਸ਼ਨ ਅਤੇ ਜਨਰੇਸ਼ਨ ਸਾਰੀ ਪ੍ਰਕਿਰਿਆ ਦੇ ਪਹਿਲੇ ਅੱਧ ਨੂੰ ਬਣਾਉਂਦੇ ਹਨ। ਡ੍ਰਾਈਵਿੰਗ ਵੀਡੀਓ ਅਤੇ ਸਰੋਤ ਤਸਵੀਰਾਂ ਨੂੰ ਇਨਪੁਟਸ ਵਜੋਂ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ।
ਫਸਟ-ਆਰਡਰ ਮੋਸ਼ਨ ਨੁਮਾਇੰਦਗੀ ਨੂੰ ਐਕਸਟਰੈਕਟ ਕਰਨ ਲਈ, ਜਿਸ ਵਿੱਚ ਸਪਾਰਸ ਮੁੱਖ ਬਿੰਦੂ ਅਤੇ ਲੋਕਲ ਐਫਾਈਨ ਟ੍ਰਾਂਸਫਾਰਮੇਸ਼ਨ ਹੁੰਦੇ ਹਨ, ਇੱਕ ਮੋਸ਼ਨ ਐਕਸਟਰੈਕਟਰ ਮੁੱਖ ਬਿੰਦੂਆਂ ਦੀ ਪਛਾਣ ਕਰਨ ਲਈ ਇੱਕ ਆਟੋਏਨਕੋਡਰ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ।
ਸੰਘਣੀ ਮੋਸ਼ਨ ਨੈਟਵਰਕ ਦੇ ਨਾਲ ਇੱਕ ਸੰਘਣੀ ਆਪਟੀਕਲ ਪ੍ਰਵਾਹ ਅਤੇ ਰੁਕਾਵਟ ਦਾ ਨਕਸ਼ਾ ਬਣਾਉਣ ਲਈ, ਉਹਨਾਂ ਨੂੰ ਡਰਾਈਵਿੰਗ ਵੀਡੀਓ ਦੇ ਨਾਲ ਲਗਾਇਆ ਜਾਂਦਾ ਹੈ। ਜਨਰੇਟਰ ਫਿਰ ਸੰਘਣੀ ਮੋਸ਼ਨ ਨੈਟਵਰਕ ਅਤੇ ਸਰੋਤ ਚਿੱਤਰ ਤੋਂ ਆਉਟਪੁੱਟ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਨਿਸ਼ਾਨਾ ਤਸਵੀਰ ਪੇਸ਼ ਕਰਦਾ ਹੈ।
ਬੋਰਡ ਦੇ ਪਾਰ, ਇਹ ਕੰਮ ਕਲਾ ਦੀ ਸਥਿਤੀ ਨਾਲੋਂ ਬਿਹਤਰ ਪ੍ਰਦਰਸ਼ਨ ਕਰਦਾ ਹੈ। ਇਸ ਵਿੱਚ ਉਹ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਵੀ ਹਨ ਜੋ ਹੋਰ ਮਾਡਲਾਂ ਕੋਲ ਨਹੀਂ ਹਨ। ਇਹ ਕਈ ਤਰ੍ਹਾਂ ਦੀਆਂ ਤਸਵੀਰਾਂ 'ਤੇ ਕੰਮ ਕਰਦਾ ਹੈ, ਇਸਲਈ ਤੁਸੀਂ ਇਸਨੂੰ ਚਿਹਰੇ, ਸਰੀਰ, ਕਾਰਟੂਨ, ਆਦਿ ਦੀਆਂ ਤਸਵੀਰਾਂ 'ਤੇ ਲਾਗੂ ਕਰ ਸਕਦੇ ਹੋ, ਜੋ ਕਿ ਬਹੁਤ ਵਧੀਆ ਹੈ।
ਇਸ ਨਾਲ ਕਈ ਨਵੇਂ ਮੌਕੇ ਪੈਦਾ ਹੁੰਦੇ ਹਨ। ਸਾਡੀ ਰਣਨੀਤੀ ਦਾ ਇੱਕ ਹੋਰ ਮਹੱਤਵਪੂਰਨ ਪਹਿਲੂ ਇਹ ਹੈ ਕਿ ਇਹ ਹੁਣ ਤੁਹਾਨੂੰ ਨਿਸ਼ਾਨਾ ਵਸਤੂ ਦੀ ਸਿਰਫ਼ ਇੱਕ ਚਿੱਤਰ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਉੱਚ-ਗੁਣਵੱਤਾ ਵਾਲੇ ਡੀਪਫੈਕ ਬਣਾਉਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ, ਜਿਵੇਂ ਕਿ ਅਸੀਂ ਇਸ ਨਾਲ ਕਰਦੇ ਹਾਂ। ਵਸਤੂ ਲਈ YOLO ਮਾਨਤਾ
ਡੀਪਫੇਕ ਮਾਡਲ ਬਣਾਉਣ ਦੀ ਪ੍ਰਕਿਰਿਆ
ਡੂੰਘੇ ਫੇਕ ਬਣਾਉਣ ਲਈ ਤਿੰਨ ਪ੍ਰਕਿਰਿਆਵਾਂ ਜ਼ਰੂਰੀ ਹਨ: ਕੱਢਣਾ, ਸਿਖਲਾਈ ਅਤੇ ਸਿਰਜਣਾ। ਇਹਨਾਂ ਪੜਾਵਾਂ ਵਿੱਚੋਂ ਹਰੇਕ ਦੇ ਮੁੱਖ ਨੁਕਤੇ ਅਤੇ ਉਹਨਾਂ ਦਾ ਸਮੁੱਚੀ ਪ੍ਰਕਿਰਿਆ ਨਾਲ ਕਿਵੇਂ ਸਬੰਧ ਹੈ ਇਸ ਭਾਗ ਵਿੱਚ ਕਵਰ ਕੀਤਾ ਜਾਵੇਗਾ।
ਐਕਸਟਰੈਕਸ਼ਨ
ਡੀਪਫੈਕ ਚਿਹਰੇ ਬਦਲਣ ਲਈ ਡੂੰਘੇ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ ਅਤੇ ਸਹੀ ਅਤੇ ਯਕੀਨ ਨਾਲ ਕੰਮ ਕਰਨ ਲਈ ਬਹੁਤ ਸਾਰੇ ਡੇਟਾ (ਤਸਵੀਰਾਂ) ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਕੱਢਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਉਹ ਪੜਾਅ ਹੈ ਜਿਸ ਵਿੱਚ ਵੀਡੀਓ ਕਲਿੱਪਾਂ ਤੋਂ ਸਾਰੇ ਫਰੇਮ ਕੱਢੇ ਜਾਂਦੇ ਹਨ, ਚਿਹਰਿਆਂ ਦੀ ਪਛਾਣ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਅਤੇ ਚਿਹਰੇ ਨੂੰ ਵੱਧ ਤੋਂ ਵੱਧ ਪ੍ਰਦਰਸ਼ਨ ਕਰਨ ਲਈ ਫਿਰ ਇਕਸਾਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।
ਸਿਖਲਾਈ
ਸਿਖਲਾਈ ਪੜਾਅ ਵਿੱਚ, ਨਿਊਰਲ ਨੈਟਵਰਕ ਇੱਕ ਚਿਹਰੇ ਨੂੰ ਦੂਜੇ ਵਿੱਚ ਬਦਲ ਸਕਦਾ ਹੈ। ਅਭਿਆਸ ਸੈੱਟ ਅਤੇ ਸਿਖਲਾਈ ਯੰਤਰ ਦੇ ਆਕਾਰ 'ਤੇ ਨਿਰਭਰ ਕਰਦਿਆਂ, ਸਿਖਲਾਈ ਵਿੱਚ ਕਈ ਘੰਟੇ ਜਾਂ ਦਿਨ ਵੀ ਲੱਗ ਸਕਦੇ ਹਨ।
ਸਿਖਲਾਈ ਨੂੰ ਸਿਰਫ਼ ਇੱਕ ਵਾਰ ਪੂਰਾ ਕਰਨਾ ਪੈਂਦਾ ਹੈ, ਜਿਵੇਂ ਕਿ ਜ਼ਿਆਦਾਤਰ ਹੋਰ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਸਿਖਲਾਈ। ਸਿਖਲਾਈ ਤੋਂ ਬਾਅਦ, ਮਾਡਲ ਵਿਅਕਤੀ A ਤੋਂ ਵਿਅਕਤੀ B ਵਿੱਚ ਇੱਕ ਚਿਹਰਾ ਬਦਲਣ ਦੇ ਯੋਗ ਹੋਵੇਗਾ।
ਸ੍ਰਿਸ਼ਟੀ
ਮਾਡਲ ਨੂੰ ਸਿਖਲਾਈ ਦਿੱਤੇ ਜਾਣ ਤੋਂ ਬਾਅਦ, ਇੱਕ ਡੀਪਫੇਕ ਤਿਆਰ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਫ੍ਰੇਮਾਂ ਨੂੰ ਵੀਡੀਓ ਤੋਂ ਲਿਆ ਜਾਂਦਾ ਹੈ ਅਤੇ ਫਿਰ ਸਾਰੇ ਚਿਹਰਿਆਂ ਨਾਲ ਇਕਸਾਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਸਿਖਿਅਤ ਨਿਊਰਲ ਨੈਟਵਰਕ ਦੀ ਵਰਤੋਂ ਫਿਰ ਹਰੇਕ ਫਰੇਮ ਨੂੰ ਬਦਲਣ ਲਈ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।
ਪਰਿਵਰਤਿਤ ਚਿਹਰੇ ਨੂੰ ਆਖਰੀ ਪੜਾਅ ਦੇ ਤੌਰ 'ਤੇ ਅਸਲੀ ਫਰੇਮ ਨਾਲ ਮਿਲਾਉਣਾ ਲਾਜ਼ਮੀ ਹੈ।
ਡੀਪਫੇਕ ਖੋਜ ਮਾਡਲ ਬਣਾਉਣਾ
GitHub ਰੇਪੋ ਨੂੰ ਮਾਊਂਟਿੰਗ ਅਤੇ ਕਲੋਨ ਕਰਨਾ
ਕੋਲੈਬ 'ਤੇ ਕੰਮ ਕਰਦੇ ਸਮੇਂ Google ਦੇ GPUs ਦੀ ਮੁਫ਼ਤ ਵਰਤੋਂ ਕਰਨ ਦੇ ਯੋਗ ਹੋਣਾ ਲਾਭਦਾਇਕ ਹੈ ਡੂੰਘੀ ਸਿੱਖਿਆ. ਇੱਕ ਵਾਧੂ ਫਾਇਦਾ ਕਲਾਉਡ ਵਰਚੁਅਲ ਮਸ਼ੀਨ (VM) 'ਤੇ ਇੱਕ ਗੂਗਲ ਡਰਾਈਵ ਨੂੰ ਮਾਊਂਟ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਹੈ।
ਉਸ ਦੀਆਂ ਸਾਰੀਆਂ ਚੀਜ਼ਾਂ ਤੱਕ ਆਸਾਨ ਪਹੁੰਚ ਦੇ ਨਾਲ, ਉਪਭੋਗਤਾ ਸਮਰਥਿਤ ਹੈ। ਕਲਾਉਡ ਵਿੱਚ ਵਰਚੁਅਲ ਮਸ਼ੀਨ ਵਿੱਚ ਗੂਗਲ ਡਰਾਈਵ ਨੂੰ ਮਾਊਂਟ ਕਰਨ ਲਈ ਲੋੜੀਂਦਾ ਪ੍ਰੋਗਰਾਮ ਇਸ ਭਾਗ ਵਿੱਚ ਪਾਇਆ ਜਾਵੇਗਾ।
ਆਯਾਤ ਮੋਡੀਊਲ
ਹੁਣ, ਅਸੀਂ ਸਾਰੇ ਲੋੜੀਂਦੇ ਮੋਡੀਊਲ ਨੂੰ ਆਯਾਤ ਕਰਾਂਗੇ।
ਮਾਡਲ ਨੂੰ ਚਲਾਇਆ ਜਾ ਰਿਹਾ ਹੈ
ਅਸੀਂ ਇੱਕ ਉਦਾਹਰਣ ਦੀ ਵਰਤੋਂ ਕਰਾਂਗੇ ਜੋ ਪੁਤਿਨ ਦੀ ਇੱਕ ਸਥਿਰ ਫੋਟੋ (ਸਰੋਤ ਤਸਵੀਰ) ਨੂੰ ਓਬਾਮਾ ਦੇ ਇੱਕ ਵੀਡੀਓ ਨਾਲ ਜੋੜਦੀ ਹੈ। ਨਤੀਜਾ ਪੁਤਿਨ ਦਾ ਇੱਕ ਵੀਡੀਓ ਹੈ ਜੋ ਬੋਲਦਾ ਹੈ ਅਤੇ ਉਸੇ ਚਿਹਰੇ ਦੇ ਹਾਵ-ਭਾਵ ਨਾਲ ਸੰਕੇਤ ਕਰਦਾ ਹੈ ਜੋ ਓਬਾਮਾ ਨੇ ਡਰਾਈਵਿੰਗ ਕਰਦੇ ਸਮੇਂ ਵਰਤਿਆ ਸੀ।
ਮਾਡਲ ਦਾ ਨਤੀਜਾ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ, ਮੀਡੀਆ ਨੂੰ ਲੋਡ ਕੀਤਾ ਜਾਵੇਗਾ ਅਤੇ ਫੰਕਸ਼ਨਾਂ ਦਾ ਐਲਾਨ ਕੀਤਾ ਜਾਵੇਗਾ। ਫਿਰ ਚੈਕਪੁਆਇੰਟ ਲੋਡ ਕੀਤੇ ਜਾਣਗੇ ਅਤੇ ਮਾਡਲ ਦਾ ਨਿਰਮਾਣ ਕੀਤਾ ਜਾਵੇਗਾ। ਡੂੰਘੀ ਨਕਲੀ ਬਣਾਉਣ ਤੋਂ ਬਾਅਦ, ਐਨੀਮੇਸ਼ਨ ਦੀਆਂ ਦੋ ਵੱਖਰੀਆਂ ਸ਼ੈਲੀਆਂ ਪ੍ਰਦਰਸ਼ਿਤ ਕੀਤੀਆਂ ਜਾਣਗੀਆਂ.
ਪੁਤਿਨ ਓਬਾਮਾ ਦੀਆਂ ਗਤੀਵਿਧੀਆਂ ਦੁਆਰਾ ਸੰਬੰਧਿਤ ਕੀਪੁਆਇੰਟ ਡਿਸਪਲੇਸਮੈਂਟ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਐਨੀਮੇਟਡ ਹੈ। ਜਿਸ ਤਰ੍ਹਾਂ ਓਬਾਮਾ ਦੇ ਚਿਹਰੇ ਦੀਆਂ ਭਾਵਨਾਵਾਂ ਅਤੇ ਸਰੀਰ ਦੀ ਭਾਸ਼ਾ ਨੂੰ ਉਨ੍ਹਾਂ ਦੇ ਵੀਡੀਓਜ਼ ਦੌਰਾਨ ਪੁਤਿਨ ਲਈ ਸੁੰਦਰ ਅਤੇ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਦਰਸਾਇਆ ਗਿਆ ਹੈ, ਉਹ ਹੈਰਾਨ ਕਰਨ ਵਾਲਾ ਹੈ।
ਕੁਝ ਮਾਈਕਰੋਸਕੋਪਿਕ ਗਲਤੀਆਂ ਹਨ, ਖਾਸ ਤੌਰ 'ਤੇ ਜਦੋਂ ਓਬਾਮਾ ਆਪਣੀਆਂ ਭਰਵੀਆਂ ਚੁੱਕਦਾ ਹੈ ਅਤੇ ਆਪਣੀਆਂ ਅੱਖਾਂ ਝਪਕਦਾ ਹੈ। ਇਹ ਪ੍ਰਗਟਾਵਾਂ ਪੁਤਿਨ ਦੇ ਫਰੇਮਾਂ ਵਿੱਚ ਬਿਲਕੁਲ ਨਹੀਂ ਦੁਹਰਾਈਆਂ ਗਈਆਂ ਹਨ।
ਡੂੰਘੇ ਫੇਕ ਬੈਕਡ੍ਰੌਪ ਤੋਂ ਬਿਨਾਂ, ਪੁਤਿਨ ਦੀ ਫਿਲਮ ਕਾਫ਼ੀ ਭਰੋਸੇਯੋਗ ਅਤੇ ਪ੍ਰਮਾਣਿਕ ਜਾਪਦੀ ਹੈ ਜੇਕਰ ਇਸਨੂੰ ਟੀਵੀ 'ਤੇ ਦੇਖਿਆ ਜਾਵੇ ਜਾਂ ਸਮਾਜਿਕ ਮੀਡੀਆ ਨੂੰ.
ਮਾਡਲ ਰਚਨਾ
ਹੁਣ, ਅਸੀਂ ਇੱਕ ਪੂਰਾ ਮਾਡਲ ਬਣਾਉਣ ਲਈ ਪਹਿਲਾਂ ਤੋਂ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਚੌਕੀਆਂ ਦੀ ਵਰਤੋਂ ਕਰਾਂਗੇ।
ਡੀਪਫੇਕ ਖੋਜ
ਹੇਠਾਂ ਦਿੱਤੇ ਸੈੱਲ ਵਿੱਚ ਆਈਟਮਾਂ ਨੂੰ ਐਨੀਮੇਟ ਕਰਨ ਲਈ ਸੰਬੰਧਿਤ ਕੀਪੁਆਇੰਟ ਡਿਸਪਲੇਸਮੈਂਟ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਅਗਲਾ ਸੈੱਲ ਇਸ ਦੀ ਬਜਾਏ ਪੂਰਨ ਨਿਰਦੇਸ਼ਾਂਕ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ, ਪਰ ਸਾਰੇ ਆਈਟਮ ਅਨੁਪਾਤ ਇਸ ਢੰਗ ਨਾਲ ਡਰਾਈਵਿੰਗ ਵੀਡੀਓ ਤੋਂ ਲਏ ਜਾਣਗੇ।
ਪੂਰਨ ਕੋਆਰਡੀਨੇਟਸ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਆਉਟਪੁੱਟ ਨੂੰ ਵਧਾਉਣਾ
ਤੁਸੀਂ ਇਸ ਤਰੀਕੇ ਨਾਲ ਡੂੰਘੀ ਫੇਕ ਖੋਜ ਵਿਕਸਿਤ ਕਰਨ ਦੇ ਯੋਗ ਹੋਵੋਗੇ।
ਡੀਪਫੇਕ ਤਕਨਾਲੋਜੀ ਦੇ ਜੋਖਮ ਕੀ ਹਨ?
ਡੀਪਫੇਕ ਵੀਡੀਓਜ਼ ਹੁਣ ਆਪਣੀ ਨਵੀਨਤਾ ਦੇ ਕਾਰਨ ਦੇਖਣ ਲਈ ਦਿਲਚਸਪ ਅਤੇ ਮਨੋਰੰਜਕ ਹਨ। ਹਾਲਾਂਕਿ, ਇੱਕ ਖਤਰਾ ਹੈ ਜੋ ਇਸ ਮਜ਼ਾਕੀਆ ਪ੍ਰਤੀਤ ਹੋਣ ਵਾਲੀ ਤਕਨਾਲੋਜੀ ਦੀ ਸਤਹ ਦੇ ਹੇਠਾਂ ਪਏ ਨਿਯੰਤਰਣ ਤੋਂ ਬਾਹਰ ਹੋ ਸਕਦਾ ਹੈ।
ਇਹ ਯਕੀਨੀ ਤੌਰ 'ਤੇ ਨਕਲੀ ਅਤੇ ਅਸਲੀ ਵੀਡੀਓ ਦੇ ਵਿਚਕਾਰ ਫਰਕ ਕਰਨਾ ਚੁਣੌਤੀਪੂਰਨ ਹੋਵੇਗਾ ਡੂੰਘੀ ਤਕਨਾਲੋਜੀ ਅੱਗੇ ਵਧਣਾ ਜਾਰੀ ਹੈ. ਪ੍ਰਮੁੱਖ ਸ਼ਖਸੀਅਤਾਂ ਅਤੇ ਮਸ਼ਹੂਰ ਹਸਤੀਆਂ ਲਈ, ਖਾਸ ਤੌਰ 'ਤੇ, ਇਸ ਦੇ ਗੰਭੀਰ ਪ੍ਰਭਾਵ ਹੋ ਸਕਦੇ ਹਨ। ਡੀਪਫੇਕ ਜੋ ਜਾਣਬੁੱਝ ਕੇ ਖ਼ਤਰਨਾਕ ਹੁੰਦੇ ਹਨ ਉਹਨਾਂ ਵਿੱਚ ਕਰੀਅਰ ਅਤੇ ਜੀਵਨ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨੁਕਸਾਨ ਪਹੁੰਚਾਉਣ ਦੀ ਸਮਰੱਥਾ ਹੁੰਦੀ ਹੈ।
ਇਹਨਾਂ ਦੀ ਵਰਤੋਂ ਮਾੜੇ ਇਰਾਦੇ ਵਾਲੇ ਕਿਸੇ ਵਿਅਕਤੀ ਦੁਆਰਾ ਦੂਜਿਆਂ ਲਈ ਪਾਸ ਕਰਨ ਅਤੇ ਉਹਨਾਂ ਦੇ ਦੋਸਤਾਂ, ਰਿਸ਼ਤੇਦਾਰਾਂ ਅਤੇ ਸਹਿਕਰਮੀਆਂ ਦਾ ਫਾਇਦਾ ਉਠਾਉਣ ਲਈ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ। ਉਹ ਵਿਦੇਸ਼ੀ ਨੇਤਾਵਾਂ ਦੀਆਂ ਝੂਠੀਆਂ ਫਿਲਮਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਵਿਸ਼ਵਵਿਆਪੀ ਵਿਵਾਦਾਂ ਅਤੇ ਇੱਥੋਂ ਤੱਕ ਕਿ ਯੁੱਧਾਂ ਨੂੰ ਵੀ ਭੜਕਾਉਣ ਦੇ ਸਮਰੱਥ ਹਨ।
ਸਿੱਟਾ
ਸੰਖੇਪ ਵਿੱਚ, ਅਸੀਂ ਇੱਕ ਅਜੀਬ ਦੌਰ ਅਤੇ ਅਸਾਧਾਰਨ ਮਾਹੌਲ ਵਿੱਚ ਹਾਂ। ਪਹਿਲਾਂ ਨਾਲੋਂ ਕਿਤੇ ਵੱਧ, ਝੂਠੀਆਂ ਖ਼ਬਰਾਂ ਅਤੇ ਫਿਲਮਾਂ ਬਣਾਉਣਾ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਫੈਲਾਉਣਾ ਸੌਖਾ ਹੈ। ਇਹ ਸਮਝਣਾ ਕਿ ਕੀ ਸੱਚ ਹੈ ਅਤੇ ਕੀ ਨਹੀਂ ਹੈ, ਚੁਣੌਤੀਪੂਰਨ ਹੁੰਦਾ ਜਾ ਰਿਹਾ ਹੈ।
ਅੱਜ, ਇਹ ਪ੍ਰਤੀਤ ਹੁੰਦਾ ਹੈ, ਅਸੀਂ ਹੁਣ ਆਪਣੀਆਂ ਇੰਦਰੀਆਂ 'ਤੇ ਭਰੋਸਾ ਨਹੀਂ ਕਰ ਸਕਦੇ.
ਇਸ ਤੱਥ ਦੇ ਬਾਵਜੂਦ ਕਿ ਝੂਠੇ ਵੀਡੀਓ ਡਿਟੈਕਟਰਾਂ ਨੂੰ ਵਿਕਸਤ ਕੀਤਾ ਗਿਆ ਹੈ, ਇਹ ਸਿਰਫ ਸਮੇਂ ਦੀ ਗੱਲ ਹੈ ਕਿ ਜਾਣਕਾਰੀ ਦੇ ਪਾੜੇ ਨੂੰ ਇੰਨਾ ਤੰਗ ਕੀਤਾ ਗਿਆ ਹੈ ਕਿ ਵਧੀਆ ਨਕਲੀ ਡਿਟੈਕਟਰ ਵੀ ਇਹ ਪਤਾ ਲਗਾਉਣ ਵਿੱਚ ਅਸਮਰੱਥ ਹੋਣਗੇ ਕਿ ਵੀਡੀਓ ਅਸਲੀ ਹੈ ਜਾਂ ਨਹੀਂ।
ਕੋਈ ਜਵਾਬ ਛੱਡਣਾ