左一是「液化」过的图；

左二是通过工具识别出经过「液化」的区域；

左三是工具提供的「复原」建议；

最右是经过「复原」的「真面目」

最终的实验结果显示，人工识别的准确率只有53%，而他们研发出的工具则可以达到99% 的识别准确率！

总习惯发照前P个图的你们，颤抖吧！

工作原理

这个工具背后涉及到的其实是被称作「图像取证」或「伪造检测」的技术，这部分内容在当今的计算机视觉领域变得日益重要。

在过去，已经有不少研究人员提出各种各样检测人像篡改情况的的取证方式，比如通过自定义线索的方式来检测图像，最典型如通过发现像素之间的周期相关性（自定义内容）来检测重采样伪影，然而这类型交互式编辑工具的操作上很复杂，且难以建模，所以并未在本次工作中被采用，团队最终选择基于大量数据训练来习得相关能力；针对缺乏标注数据的问题，学界则提出各种自我监督式的训练方式，基于自动生成的假图像进行训练。

而为了让机器具备甄别真假的能力，团队在本次工作中使用ResNet50训练出了一个二进制分类器，为ImageNet分类进行预训练，并根据任务需要进行微调。为了让机器进一步具备「还原」能力，团队首先预测一个光流场?

相关报道: