深偽是由一個電腦程式能夠透過分析多張某人照片後，自動學習如何重製人臉影像的成果。然後該程式會將其創造移花接木到已經存在影片裡，類似數位面罩。以下的影片裡能看到數位面罩的痕跡：

本實驗將同一來源影片輸出成兩個不同幀率的版本，但兩個模組都在全然相同的設定模式下學習。每幅影像的學習循環時間對等，但是擁有較大數據集的模組則需要較多的學習時間。因此可以很清楚地看到有著較多影像的演算法能夠產出較能與目標影片的影像貼合的結果。

我們輸出的深偽影片解析度為64像素，低解析度意味著演算法學習的時間較少，因為模組只需要學習如何產出低畫素的影像。在臉部的特寫鏡頭畫面，低解析度的結果顯而易見。

學習時間長短與演算法處理的影像次數息息相關。學習的過程會需要產出一張臉（或是數位面罩）、與來源圖像比對，再根據面罩與來源之間的差異進行微調。演算法模組針對所有來源影片的每張圖片跑過此一循環，然後一再重複，而其所花的時間多寡則會取決於電腦的處理能力。

人臉重現需要更強大的電腦運算功能，其結果讓人更難以辨識真偽。許多在來源影片上出現的狀況，對人臉重置而言完全不是問題，但其演算法運作的方式大同小異。重製後的臉部會較為模糊，細節也較不精緻。

還有，要注意影片的音效，並留意是否有瑕疵或是對嘴的問題。發揮你在此網站學到的洞察力、質疑影片是否成為目標影片的可能性，並留心影片的條件是否恰好成為深偽的嫌疑。如果覺得不對勁，記得一定要確認影片的來源。