वाचनासाठी 3 मिनिटे
फेस स्वॅपिंग: व्हिडिओमध्ये एका व्यक्तीचा चेहरा दुसऱ्याच्या शरीरावर कसा बसवला जातो?
३० सेकंदांत अर्थ
एआय फेस स्वॅप हे एक डिजिटल तंत्रज्ञान आहे ज्यामध्ये संगणकीय दृष्टीद्वारे चेहऱ्याची प्रमुख वैशिष्ट्ये ओळखून एका व्यक्तीचा चेहरा व्हिडिओमधील दुसऱ्या व्यक्तीच्या शरीरावर तंतोतंत जोडला जातो.
दुसऱ्याचे शरीर आणि तुमचा चेहरा: डिजिटल मुखवट्याची किमया
सिनेमामध्ये धोकादायक स्टंट करताना मुख्य अभिनेत्याऐवजी दुसराच प्रशिक्षित कलाकार काम करत असतो. मात्र थिएटरमध्ये पडद्यावर पाहताना मुख्य नायकाचाच चेहरा दिसत राहतो. पूर्वी यासाठी लाखो रुपयांचे ग्राफिक्स स्टुडिओ लागायचे. आज मात्र एका साध्या लॅपटॉपवर एका व्यक्तीचा चेहरा दुसऱ्याच्या शरीरावर बसवण्याचे काम (फेस स्वॅपिंग) काही मिनिटांत पूर्ण होते. हे तंत्रज्ञान जितके मनोरंजक आहे, तितकेच ते सायबर सुरक्षेच्या दृष्टीने आव्हानात्मक बनले आहे.
ही प्रक्रिया केवळ फोटो कापून दुसऱ्या डोक्यावर चिकटवण्यासारखी नसते. कारण व्हिडिओमध्ये माणूस सतत मान वळवतो, डोळे मिचकावतो आणि बोलताना ओठ हलतात. जर नवीन चेहरा या हालचालींशी जुळला नाही, तर तो बनावट आहे हे लहान मुलालाही लगेच समजून येईल. त्यामुळे संगणकाला चेहऱ्याचे त्रिमीतीय गणित अचूकपणे हाताळावे लागते.
डिजिटल वायरफ्रेम आणि न्यूरल ऑटोएन्कोडरची करामत
सॉफ्टवेअर सुरुवातीला मूळ व्हिडिओतील व्यक्तीच्या चेहऱ्यावरील डोळ्यांचे कोपरे, नाकाचा शेंडा आणि जबड्याचे हाड मोजणारे चेहऱ्यावरील अदृश्य संदर्भ बिंदू (फेशिअल लँडमार्क) शोधून काढते. या बिंदूंच्या आधारे चेहऱ्यावर बसणारी आभासी त्रिमितीय वायरफ्रेम जाळी (३D फेशिअल मेश) तयार केली जाते. व्यक्ती मान खाली-वर करताना ही जाळीही अगदी त्याच कोनात वळते.
त्यानंतर चित्र पुन्हा नव्याने घडवणारे संगणकीय मॉडेल (न्यूरल ऑटोएन्कोडर) कामाला लागते. ते दुसऱ्या व्यक्तीच्या चेहऱ्याची मूळ माहिती (डोनर फेस) घेते आणि त्या त्रिमितीय जाळीवर नवीन त्वचा आणि हावभाव चढवते. दोन चित्रे सफाईने आणि बिनजोड एकत्र करण्याच्या तंत्रज्ञानामुळे (सीमलेस क्लोनिंग) त्वचेचा रंग आणि रंगांच्या छटांमधील हळुवार बदल (कलर ग्रेडिएंट्स) मूळ शरीराशी नैसर्गिकरीत्या जुळवले जातात.
मात्र जेव्हा प्रत्यक्ष हालचाल सुरू होते, तेव्हा काही तांत्रिक अडचणी निर्माण होतात. चकाकणाऱ्या पृष्ठभागावरील प्रकाशाचे चमचमणे (स्पेक्टक्युलर हायलाइट्स) अनेकदा चुकते. तसेच बोलताना व्यक्तीने तोंडासमोर हात आणल्यास कॅमेऱ्याच्या मध्ये हात येऊन होणारा अडथळा (फिजिकल ऑक्लुजन) निर्माण होतो. अशा वेळी नवीन चेहरा बोटांवर विचित्रपणे तरंगताना दिसतो, ज्यामुळे व्हिडिओच्या प्रत्येक फ्रेममधील हालचालींचे सातत्य (टेंपोरल कन्सिस्टन्सी) बिघडते.
बनावट चेहरा ओळखण्याच्या चार सोप्या पद्धती
सोशल मीडियावरील कोणताही संशयास्पद व्हिडिओ पाहताना खालील गोष्टी बारकाईने तपासाव्यात:
- जबड्याच्या कडा आणि केसांची ठेवण: बोलताना हनुवटीच्या कडा धुरकट होतात किंवा गळ्याभोवती एक विचित्र पारदर्शक थर दिसतो.
- तोंडासमोर वस्तू आल्यावर होणारा गोंधळ: व्यक्तीने चहाचा कप ओठांना लावल्यास किंवा चष्मा नीट करताना बोटे चेहऱ्याच्या आत विरघळल्यासारखी दिसतात.
- पापण्यांची अनैसर्गिक हालचाल: डोळे मिचकावण्याचा वेग अत्यंत मंद असतो किंवा दोन्ही डोळ्यांच्या बाहुल्या वेगवेगळ्या दिशेला स्थिर दिसतात.
- आवाजाचा आणि ओठांचा बेतालपणा: शब्द उच्चारून संपल्यानंतरही ओठ थरथरत राहतात किंवा आवाज वेगळा भासतो.
स्वतःच्या बायोमेट्रिक सुरक्षिततेची काळजी
बँकिंग आणि महत्त्वाच्या कामांमध्ये व्हिडिओ कॉलद्वारे फसवणूक टाळण्यासाठी खालील सवयी ठेवाव्यात:
- व्हिडिओ कॉलवर संशय आल्यास व्यक्तीला तोंडासमोर हात हलवायला सांगा: थेट व्हिडिओ कॉलमध्ये समोरच्या व्यक्तीने तोंडासमोर हात फिरवताच फेस स्वॅप सॉफ्टवेअर क्षणार्धात क्रॅश होते आणि खोटा चेहरा उघडा पडतो.
- दोन स्वतंत्र अधिकाऱ्यांची मंजुरी घेण्याचा नियम वापरा (ड्युअल-ऑथोरायझेशन): कंपनीत किंवा घरात पैशांचे मोठे व्यवहार केवळ व्हिडिओ कॉलवर न करता थेट फोन किंवा प्रत्यक्ष भेटीने खात्री करूनच करा.
- सार्वजनिक फोटोंची गुणवत्ता मर्यादित ठेवा: सोशल मीडियावर अतिशय उच्च दर्जाचे क्लोज-अप फोटो पोस्ट करणे टाळा, ज्यामुळे गुन्हेगारांना डोनर फेस सहज मिळत नाही.
तंत्रज्ञान कितीही प्रगत झाले तरी निसर्गाची मानवी सममिती १०० टक्के चोरणे त्याला शक्य होत नाही. थोडेसे बारकाईने पाहिल्यास खोटेपणाचा पर्दाफाश सहज करता येतो.