Make this article seo compatible,Let there be subheadings for the article, be in french, create at least 700 words
Après les affirmations infondées qui se sont multipliées comme une avalanche, les réseaux sociaux sont là avec une autre rumeur deepfake. Mais cette fois, nous examinerons comment fonctionnent les outils qui éliminent cette incertitude.
Princesse de Galles Kate MiddletonLes inquiétudes se sont accrues lorsqu’il n’a pas été vu en public après son opération abdominale. Sans nouvelles d’elle depuis des semaines, des photos manipulées étant présentées comme réelles alors que les inquiétudes augmentaient, et enfin, une vidéo dont l’authenticité était mise en doute disant « La princesse va bien ». Le partager comme « des théories du complot déclenchées ». Heureusement, tout le monde fut soulagé lorsque Catherine fut aperçue dehors.
Mais les événements ne sont pas terminés. Kate Middletona fait une déclaration sur les comptes officiels des réseaux sociaux du prince et de la princesse de Galles et a déclaré qu’on lui avait diagnostiqué un cancer. déclaré. Catherine, a-t-il dit, en est aux premiers stades d’un traitement de chimiothérapie. Mais des rumeurs circulent sur les réseaux sociaux selon lesquelles cette vidéo serait une deepfake et fait avec l’intelligence artificielle C’était dans la direction.
Les sites de détection de Deepfake ont montré que la vidéo était originale. Alors, comment ces sites prennent-ils leurs décisions ?
Le plus populaire parmi ces sites est sans aucun doute logiciel profond. L’application, qui attribuait un score deepfake à la vidéo en question en utilisant différents modèles, affirmait qu’il n’y avait pas de Deepfake dans la vidéo de Kate Middleton en question. Il existe quatre modèles différents sur lesquels se base ce résultat. Ces; Avatarify, Deepware, Seferbekov et Ensemble Il est mentionné comme . En dehors de cela, lorsque nous regardons l’écran de résultats, nous pouvons voir les détails vidéo et audio.
Avatarifierironiquement en fait créer des vidéos deepfakes fournit. Grâce à l’apprentissage automatique, l’application ajoute une animation et du son à une photo que vous lui donnez et l’anime. Son plus grand avantage est qu’il traite les vidéos directement sur l’appareil mobile, et non dans le cloud. Ses connaissances dans le domaine des deepfakes sont également utilisées dans la détection des deepfakes sur Deepware.
Deepware Scanner, utilisé depuis 2018, est connu pour rechercher constamment différentes méthodes.
De l’architecture des réseaux de neurones convolutifs EfficaceNet-B7 Deepware Scanner, qui fonctionne sur le modèle, offre une grande précision avec une faible utilisation des ressources. De plus, il contient 120 000 données vidéo. Ensemble de données des SADC les usages. Ces vidéos incluent des exemples de 4chan Real, Celeb-DF, YouTube et de nombreuses autres plateformes. Dans ce contexte, puisqu’il se nourrit à la fois de vidéos organiques et de live, il devient plus aisé de distinguer les deepfakes.
Jetons également un coup d’œil à Seferbekov et Ensemble.
Développé par Selim Seferbekov, Seferbekov évalue les vidéos en les examinant image par image. Composé de réseaux neuronaux en 3 étapes Système de reconnaissance faciale MTCNN, se retrouve dans le modèle de Seferbekov. Avec ce système, Seferbekov encadre les visages dans les vidéos, les extrait des vidéos, détermine le contour du visage, puis extrait les masques SSIM pour comparaison et effectue les comparaisons. Celui de Seferbekov En utilisant ces valeurs, Deepware produit et présente ses propres résultats.
Selon les informations contenues sur le site, Ensemble est une combinaison du navigateur de Deepware et du navigateur de Seferbekov. uni ses forces.
Résumons-le en un seul dénominateur.
Bien que les systèmes et les solutions qu’ils proposent varient, il est affirmé que les plus efficaces sont les réseaux de neurones convolutifs qui permettent de distinguer les images réelles des fausses. En dehors de cela, même si les méthodes utilisées dans les systèmes peuvent différer, elles sont toutes essentiellement sans apprentissage profond Disons que vous en avez profité. Deepfake, quant à lui, est créé grâce à l’apprentissage automatique.
Bien que cela puisse paraître simple à nos yeux, il existe différents processus et modèles derrière le système en question. Pour les vidéos qui vous semblent suspectes, vous pouvez accéder à Deepware à partir de ce lien.
Jetons un coup d’œil à ceux qui confondent les concepts de machine learning et de deep learning :
NOUVELLES CONNEXES
Différences clés entre les concepts d’intelligence artificielle, d’apprentissage profond et d’apprentissage automatique qui sont constamment confondus les uns avec les autres
« D’accord, ces systèmes peuvent comprendre le deepfake de cette manière, mais comment pouvons-nous le comprendre ? » Prenons ceux qui pensent ainsi :
NOUVELLES CONNEXES
Comment comprendre les vidéos, images ou audio Deepfakes qui jouent désormais avec notre perception de la réalité ?
$(function(){
//facebook window.fbAsyncInit = function() { FB.init({ appId : '1037724072951294', xfbml : true, version : 'v2.5' }); };
(function(d, s, id){ var js, fjs = d.getElementsByTagName(s)[0]; if (d.getElementById(id)) {return;} js = d.createElement(s); js.id = id; js.src = "https://connect.facebook.net/tr_TR/sdk.js"; fjs.parentNode.insertBefore(js, fjs); }(document, 'script', 'facebook-jssdk'));
$('body').on({ click: function() { // facebook save button ajax FB.XFBML.parse(); } }, '.facebook-save');
// share scroll if ($('.content-sticky').length > 0) { if ($(window).width() >= 768) { $(window).on('scroll', function () { var scrollTop = $(this).scrollTop(); $('article').each(function () { if (scrollTop >= ($(this).find('.content-body').offset().top - 76)) { $(this).find('.content-sticky').addClass('sticky'); if (scrollTop >= ($(this).find('.content-body').offset().top + $(this).find('.content-body').height() - ($(this).find('.content-sticky').height() + 92))) { $(this).find('.content-sticky').removeClass('sticky'); $(this).find('.content-sticky').css({'bottom': '0px', 'top': 'auto'}); } else { $(this).find('.content-sticky').addClass('sticky').css({ 'bottom': 'initial', 'top': '76px' }); } } else { $(this).find('.content-sticky').removeClass('sticky').css({'bottom': 'auto', 'top': '0'}); } }); }); } }
// share click $('body').on({ click: function (){ var $this = $(this), dataShareType = $this.attr('data-share-type'), dataType = $this.attr('data-type'), dataId = $this.attr('data-id'), dataPostUrl = $this.attr('data-post-url'), dataTitle = $this.attr('data-title'), dataSef = $this.attr('data-sef');
switch(dataShareType) { case 'facebook': FB.ui({ method: 'share', href: dataSef, }, function(response){ if (response && !response.error_message) { updateHit(); } });
break;
case 'twitter': shareWindow('https://twitter.com/intent/tweet?via=webtekno&text="+encodeURIComponent(dataTitle) + " %E2%96%B6 ' + encodeURIComponent(dataSef)); updateHit(); break;
case 'gplus': shareWindow('https://plus.google.com/share?url=" + encodeURIComponent(dataSef)); updateHit(); break;
case "mail': window.location.href="https://www.webtekno.com/mailto:?subject=" + encodeURIComponent(dataTitle) +'&body='+ encodeURIComponent(dataSef); //updateHit(); break;
case 'whatsapp': window.location.href="whatsapp://send?text=" + encodeURIComponent(dataTitle) +' %E2%96%B6 '+ encodeURIComponent(dataSef); updateHit(); break; }
function shareWindow (url) { window.open(url, "_blank", "toolbar=yes, scrollbars=yes, resizable=yes, top=500, left=500, width=400, height=400"); }
function updateHit () { $.ajax({ type: "POST", url: dataPostUrl, data: {contentId: dataId, contentType: dataType, shareType: dataShareType}, success: function(data) {
if ($('.video-showcase').length > 0) { var $container = $('.video-showcase'); } else if ($('article[data-id="' + dataId + '"]').length > 0) { var $container = $('article[data-id="' + dataId + '"]'); } else if ($('.wt-share-item[data-id="' + dataId + '"]').length > 0) { var $container = $('.wt-share-item[data-id="' + dataId + '"]'); } else { $container = null; }
//var $container = dataType == 'video' ? $('.video-showcase') : $('article[data-id="' + dataId + '"]');
if ( $container != null && $container.length > 0 ) { var $badged = $container.find('.wt-share-badge-' + dataShareType);
var $headerCount = $('.content-header').find('.wt-share-count'), $containerCount = $container.find('.wt-share-count'), value = parseInt($containerCount.html()) + 1;
$container.data('share', value); //$containerCount.html(value);
if ($headerCount.length > 0) { //$headerCount.html(value); }
if ( $badged.length > 0 && (dataShareType == 'facebook' || dataShareType == 'twitter')) { if ($badged.hasClass('is-visible')) { //$badged.html(data); } else { //$badged.addClass('is-visible').html(data); } } }
} }); } } }, '.wt-share-button') });