En deepfake skabes af et computerprogram, der kan lære sig selv at genskabe et ansigt ved at analysere adskillige billeder af personen. Programmet lægger derefter det ansigt, det har genskabt, på en eksisterende video - næsten som en digital maske. Du kan se spor af en sådan en maske i denne video.

Eksperimentet blev udført med samme kilde-video, der blev eksporteret med to forskellige billedhastigheder, men blev trænet med samme studie-opsætning. Mængden af træningscyklusser pr. billede er ens, men træningstiden var længere med det største datasæt. Man kan tydeligt se, at algoritmen, der er trænet med flere billeder, kan producere et mere raffineret resultat, der bedre matcher målet.

Vores deepfake blev eksporteret med en opløsning på 64 px. Den lavere opløsning betyder, at det tog kortere tid at træne algoritmen, fordi modellen kun skulle lære at skabe et billede med lav opløsning. I nærbilleder af ansigter er den lave opløsning tydelig.

Træningstid er relateret til det antal gange, algoritmen behandler billederne. Processen involverer at algoritmen skaber et ansigt (eller digital maske), sammenligner det med kilde-billedet og derefter justerer for at forbedre maskens lighed med kilden. Den cyklus gennemgås for alle kilde-billeder og starter derefter forfra. Den tid, det tager, afhænger af styrken på den anvendte computer.

Ansigtsrekonstruktion kræver mere computerkraft, men er også meget sværere at gennemskue. Mange af udfordringerne ved at anvende kilde-videoer opstår ikke ved rekonstruktion, men algoritmen fungerer på en lignende måde. De rekonstruerede dele af ansigtet bliver lidt slørede og mindre detaljerede.

Vær også opmærksom på lyden, se efter fejl eller problemer i synkroniseringen mellem lyden og læbernes bevægelser. Brug den viden, du her har fået, til at stille kritiske spørgsmål om, hvorvidt en video kan være et mål, og om noget i videoen antyder, at det kunne være en deepfake. Hvis du er i tvivl, husk altid at kontrollere kilden til videoen.