北京力争今年PM25年均浓度继续下降

中新社北京2月13日电 (陈杭)《北京市污染防治攻坚战2020年行动计划》13日发布,其中提出今年北京市空气质量目标任务为尽最大努力改善空气质量,力争细颗粒物(PM2.5)年均浓度、三年滑动平均浓度继续下降。

根据该行动计划,北京市将推进移动源低排放化,力争实现北京市交通领域污染物排放总量比2017年减少30%。全年完成150万辆次以上重型柴油车检查,精准入户检查重型柴油车,强化自备油库油品质量执法并溯源查处。做好北京市机动车和非道路移动机械排放污染防治条例宣贯实施工作。

更为具体一点,能区分真人和照片的技术叫做liveness detection,中文叫做“活体取证”。当前的技术主要是根据分辨率、三维信息、眼动等来区分,因为翻拍的照片分辨率比直接从真人上采集的照片在质量、分辨率上有差别。

现有的对面部合成图像检测通常面向第二阶段,并基于数据集训练有监督的每帧二进制分类器。这种方法可以测试数据集上实现近乎完美的检测精度,如果遇见训练时没见过的换脸图像,性能会出现明显下降。而Face X-Ray的关键步骤是从图像中获取标记数据,然后用“自监督”的方式训练框架。

此算法与市面上一些二分类换脸检测相比,Face X-Ray更能有效地识别出未被发现的换脸图像,并能可靠地预测混合区域。

这项技术与现有方法不同,它能够准确检测“未知”图像,即不论什么算法合成的,在不进行针对性的训练的情况下也可以进行检测。

⊙表示逐个元素相乘,IF表示一种提供面部属性的图像,IB代表提供背景的图,M是分隔被操纵区域的掩码(the mask delimiting the manipulated region),其每个像素的灰度值在0.0和1.0之间。

最近的一些相关工作也注意到了泛化问题,并在一定程度上试图解决这一问题。FWA还采用了一种自我监督的方式,从真实图像中创建负片样本。然而,它的目标只是描述只存在于DeepFake生成的视频中的面部扭曲伪影。

(雷锋网(公众号:雷锋网))

对于具体的应用,谷歌曾经推出一款照片打假神器名为 Assembler,具有 7 个检测器(detectors),其中 5 个由美国和意大利的大学研究团队开发,分别负责检测经不同类型的技术处理过的照片,例如合成、擦除等。

另外,在自监督数据生成过程中,采用了相位混合的方法,使用不同类型的混合来构建测试数据,并在使用alpha混合构建训练数据时对模型进行评估。结果如下图所示

行动计划提出,北京市各区降尘量要控制在6吨/平方公里·月左右。执行道路清扫保洁一级标准,道路尘土残存量不高于10克/平方米。建成统一的可视化、智能化施工扬尘视频监管平台。定期通报乡镇(街道)总悬浮颗粒物(TSP)、道路尘负荷与尘土残存量等排名。

另外,也对泛化能力进行了改进,其改进主要来自两个部分:1.建议检测Face X-Ray而不是操作特有的伪影。2.从真实的图像中构建大量的训练样本。结果显示仅使用自监督数据,也能够达到很高的检测精度。

这也就是说Face X-Ray不光能判断是否是合成图片,还能指出哪个地方是合成的,即兼备识别+解释两种功能。

本质上来讲,Face X-Ray的目的是将图像分解为两个不同来源的图,毕竟不同来源的图像有些细微的差异人眼无法发现,而计算机可以。

但是论文中也指出,这个方法依赖于一个混合步骤,因此可能不适用于完全合成图像,可能被对抗性样本骗过。

然后到了“自监督”学习模块。这一部分的难点在于解决如何仅用真实的图片获取相应的训练数据。主要分为3个部分。

对于假图片,标出可能拼接的区域。而Face X-Ray方法可以针对合成图片的共性:图片拼接,即一张图片和另一张图片混合。检测图片可能存在的混合区域,分析差异,找到图片标记,从而判断是否是合成图片。

3、将目标面部融合到原始图像中。

下图给出了各种类型的换脸图的视觉示例,通过计算伪面与真实图像之间的差异,然后转化为灰度,进行归一化之后从而获得基本事实。如下图所示,预测Face X-Ray能够较好的反映事实。

PM2.5三年滑动平均浓度是指连续三个自然年PM2.5年均浓度的算术平均值。该指标能在一定程度上弱化气象条件年际间的波动影响问题,更好反映污染治理带来的环境效益。

2017年12月,伊拉克宣布取得打击“伊斯兰国”的历史性胜利,但目前伊境内仍有一些极端分子伺机发动袭击。

3.通过上述第一个公式得到混合后的图像,然后根据第二个公式得到混合边界在实践中,会随着训练过程进行动态生成标签数据,并以自我监督的方式训练框架。所以,仅仅在真实图像层面上进行操作就可以产生大量的训练数据。

虽然愈演愈烈,但是反Deepfake的相关技术一直相对缺乏。近日,微软亚洲研究院提出了一种检测换脸图像的方法 Face X-Ray。

从最近发布的大规模数据集上测试,然后从AUC、AP和EER三个方面给出结果。如下图所示框架比基准的性能更好。如果使用其他的换脸图像,即使与测试集有不同的分布,性能也会有所提高。

在这部分,作者研究了两个重要的增强策略:a)掩模变形,其目的是给Face X-Ray的形状带来更大的变化;b)颜色校正,以产生更逼真的混合图像。这两种策略对于产生多样化和高正确度的数据样本是至关重要的,这些数据样本对网络训练也产生了帮助。

上表中的其他工作都试图学习固有表示,以及同时进行MTDS学习检测和定位。进过比较Face X-ray有超过了现有的SOTA。

2.生成掩码划定“伪造”区域。

与现在的工作进行对比

为此,北京市将统筹推动水污染防治、水环境治理、水生态修复。强化城镇生活污染治理,北京市污水处理率达到95%。完成300个村污水收集处理设施建设,实现农村污水处理设施村庄覆盖率50%以上。与周边省市共同保护好密云水库,促进跨界联合执法、应急、污染治理合作。

泛化能力评价,在未知的换脸检测中,仅使用分类器会导致性能下降。

而对于视频欺骗,根据三维信息、光线等来区分。

未知数据集的基准结果

在实验部分,研究人员在Face Forensics++和另一个包含由真实图像构建的混合图像的训练数据集上训练了Face X-Ray,训练只采用数据库里的“真图”,不使用假图。其中,Face Forensics++是一个包含1000多个用四种最先进的面部操作方法操作的原始剪辑的大型视频语料库,包括DeepFake、Face2Face、Face Swap、NeuralTextures。

(雷锋网)如上,下面一张图显然是合成的。

为实现这一目标任务,北京市计划聚焦重型柴油车、扬尘、生产生活源治理等重点领域。

1.给定一个真实图像,然后寻找另一个图像作为真实图像的变体。使用face landmarks作为匹配标准,并根据欧式距离进行搜索。

(雷锋网)与二分类检测器实验对比结果

2、合成期望的目标面部; 

而另外两个检测器由 Jigsaw 自己的团队开发,其中一个旨在识别deepfake,也就是这两年引起热议的AI 换脸,该检测器使用机器学习区分真人图像和 StyleGAN 技术生成的 deepfake。

典型的换脸合成方法包括三个阶段:

算法的核心思想是识别每一幅图像的独特标记。这些标记产生的原因很多,可能来自算法等软件因素,也有可能来自传感器等硬件因素。

首先使用与Xception相同的训练集和训练策略来评估Face X-Ray检测模型。为了得到准确的Face X-Ray图像,将真实图像作为背景,将换脸的图像作为前景,给出一对真图像和假图像。为了公平比较,还给出了二元类的结果。结果如下图所示:

此外,北京市还将推进生产生活排放减量化。工业涂装、家具制造等重点行业企业实施“一厂一策”治理。退出一般制造业和污染企业90家。鼓励提前淘汰更新高排放车。

换句话说Face X-Ray是一种发现图像差异的计算表示,它只关心混合边界。

自监督数据生成中数据增强的总体目标是提供大量不同类型的混合图像,以使模型具有检测各种篡改图像的能力。

在训练过程中,由于深度学习具有极强的表征学习能力,所以研究人员采用了基于卷积神经网络的框架。其中输入为图像,输出为Face X-Ray,然后基于预测的Face X-Ray,输出一个图像是否真实的混合概率。另外,对预测采用的是广泛使用的损失函数。对于Face X-Ray,采用交叉熵损失来衡量预测的准确性。总的来说,Face X-Ray不需要依赖于与特定人脸操作技术相关的伪影知识,并且支持它的算法可以在不使用任何方法生成假图像的情况下进行训练。

今年北京市土壤环境质量目标任务为保障土壤环境安全,北京市及各区受污染耕地安全利用率、污染地块安全利用率均达到90%以上。(完)

更为具体的是它会生成灰度图像,显示给定的输入图像是否可以分解为来自不同来源的两个图像的混合。毕竟,大多数操作换脸的方法,都是将生成的图片和已有的图片结合。

假脸技术日新月异,很多算法能够合成图片,而且合成的图片越来越逼真,这意味着伪造的图片可能被乱用,所以研究换脸检测技术非常重要。

算法预测出的融合边界

此类的检测技术,学界已有研究,不过大多都是“二分类”检测方法,虽然也能达到98%的准确率,然而这些检测方法往往会受到过渡匹配的影响,也就是说在处理不同类型的图片时,检测方法的性能会显著下降。

值得一提的是这里的自监督是打引号的,不同于传统的自监督定义,这里的无监督是指不从换脸数据库里训练算法。前面也提到,图片的标记主要来自两个方面,硬件和软件。在正常的图像中,硬软件产生的标记一般是具有“周期性”或者是均匀的。一旦图像改变,就会打破这种均匀,因此可以利用标记判断是否是合成图片。具体到算法层面,对合成图像定义如下:

据悉,今年北京市水环境质量目标任务为推进水环境质量改善,地表水国家考核断面达到或优于Ⅲ类水体断面比例稳定达到24%以上,劣Ⅴ类水体断面比例稳定下降到28%以内。

如上将Face X-Ray定义为图像B,然后如果输入的是合成图像,那么B会显示混合区域,如果输入的是真实图像,那么会B对于所有像素来说是0。

You May Also Like