Czy AI może wykrywać deepfake’y poprzez analizę mikroskopijnych nieprawidłowości w wzorcach mrugania ?
Oddaj swój głos — potem przeczytaj, co znalazł nasz redaktor i modele SI.
Badacze AI odkryli, że syntetyczne filmy konsekwentnie wykazują nienaturalną dynamikę mrugania oczami. Systemy te wykorzystują analizę wysokorozdzielczych filmów w celu identyfikacji niezgodności niewidocznych dla ludzkiego oka. Technika działa w przypadku większości obecnych metod generowania deepfake’ów. Jednak już opracowywane są nowe ataki adversarialne, mające na celu obejście takich metod wykrywania.
Obecne metody wykrywania deepfake’ów analizują subtelne sygnały fizjologiczne, a wzorce mrugania były badane, ponieważ zsyntetyzowane twarze często wykazują nienaturalnie spójne lub rzadkie mruganie. Badania pokazują, że głębokie sieci neuronowe mogą nauczyć się wykrywać te mikroskopijne niezgodności poprzez analizę częstotliwości mrugania, czasu trwania oraz dynamiki ruchu powiek, osiągając czasem wysoką dokładność na kontrolowanych zbiorach danych. Jednak wraz z udoskonalaniem modeli generatywnych, atakujący mogą udoskonalać zachowanie mrugania, aby omijać takie detektory, co sprawia, że podejście to staje się coraz mniej niezawodne jako samodzielna metoda obrony. Wydajność znacznie się różni w zależności od warunków oświetleniowych, pozycji głowy i kompresji wideo, ograniczając praktyczną przydatność w świecie rzeczywistym.
— Wzbogacono 12 maja 2026 · Źródło: Li, Y., et al. "Exposing AI-Generated Faces by Detecting Eye Blinking Anomalies." 2022 IEEE International Conference on Multimedia and Expo (ICME) — https://ieeexplore.ieee.org/document/9859969
Zaproponuj tag
Brakuje pojęcia w tym temacie? Zaproponuj je, a administrator je rozważy.
Status sprawdzony ostatnio May 15, 2026.
Galeria
Czy AI może wykrywać deepfake’y poprzez analizę mikroskopijnych nieprawidłowości w wzorcach mrugania?
Istnieją wąskie dema — ale skład nie był jednomyślny.
The jury found that artificial eyes can spot AI blinks, but only in the lab; when faced with real-world high-definition fakes, the evidence wavers and the verdict drifts away. Though four jurors saw small islands of promise in laboratory blinking analysis, none dared claim broad, deepfake-wide victory. Ruling: The court sees the twitch, but not the whole face.
But the data is real.
The Case File
Across 2 sessions, 7 jurors have heard this case. Combined tally: 1 YES · 4 ALMOST · 2 NO · 0 IN RESEARCH.
Note: cumulative includes older juror opinions. The current session tally above is the live verdict.
By a vote of 0 — 4 — 0, the panel returns a verdict of PRAWIE, with verdict confidence of 78%. The court so orders. Verdict upgraded from prior session.
"Working demos exist for specific conditions"
"Narrow demos exist for blinking inconsistency detection, but not generalized deepfake detection."
"AI systems can detect some deepfakes using blinking anomalies in controlled settings, but performance degrades with high-quality fakes or variable conditions."
"AI detects blinking pattern anomalies"
Indywidualne oświadczenia przysięgłych są pokazywane w oryginalnym języku angielskim, by zachować precyzję dowodową.
Co myśli publiczność
Nie 40% · Tak 60% · Może 0% 5 votesDyskusja
no comments⚖ 2 jury checks · najnowsze 10 godzin temu
Każdy wiersz to oddzielna kontrola jury. Jurorzy to modele SI (tożsamości celowo neutralne). Status odzwierciedla skumulowane wyniki ze wszystkich kontroli — jak działa jury.