Діпфейки створює комп’ютерна програма, здатна навчатися відтворювати обличчя за допомогою аналізу численних зображень людини. Далі програма накладає відтворене обличчя на наявне відео — це наче цифрова маска. Сліди такої маски можна побачити в цьому відео:

В експерименті використали те саме відео-джерело, яке експортували з різною частотою кадрів — інші умови були однаковими. На одне зображення припадала така сама кількість навчальних циклів, однак у випадку більшого набору даних потрібно було більше часу для навчання. Видно, що алгоритм, в який завантажили більше кадрів, може досягти більш точного результату, який краще збігається з цільовим відео.

Діпфейк зберегли з роздільною здатністю 64 пікселі. Завдяки низькій роздільній здатності алгоритм тренується швидше, бо він має навчитися відтворювати лише зображення з нечіткою роздільною здатністю. У кадрах великим планом низьку роздільну здатність відразу ж видно.

Від часу навчання залежить, скільки разів алгоритм обробить зображення. Цей процес включає створення обличчя (чи цифрової маски), порівняння з вихідним зображенням та редагування, щоб збільшити подібність маски до джерела. Модель таким чином обробляє всі зображення, а тоді починає все знову. Швидкість роботи залежить від потужності комп’ютера.

Реконструкція потребує більшої потужності комп’ютера, але її набагато важче розпізнати. Чимало труднощів з вихідним матеріалом не стосуються реконструкції, але алгоритм працює подібним чином. Реконструйовані риси обличчя просто будуть трохи розмиті й не такі детальні.

Звертайте увагу на аудіо та шукайте недоліки в синхронізації руху губ із мовленням. Ви вже знаєте, як це працює, тож можете поміркувати, чи легко таке відео використати для відтворення обличчя та чи підходить воно для можливого діпфейку. Якщо сумніваєтесь, завжди варто перевірити джерело відео.