TED2018
Supasorn Suwajanakorn: Fake videos of real people -- and how to spot them
スパソーン・スワジャナコーン: 実在の人物の偽映像の作り方と、その見分け方
Filmed:
Readability: 4.6
1,453,308 views
有名人が実際には言っていないことを言っているように見せかけた偽映像を、あなたはうまく見分けられますか？ この驚くべき講演とデモで、それがどのように作られるのかをご覧ください。コンピューター科学者スパソーン・スワジャナコーンは、大学院での研究として、AIと3次元モデリングを使い、本物にしか見えないような音声と同期した人物の映像を作りました。この技術の倫理的問題と創造的可能性、そしてその悪用への対策として行われていることについて学びましょう。
Supasorn Suwajanakorn - Computer scientist
Supasorn Suwajanakorn works on ways to reconstruct, preserve and reanimate anyone -- just from their existing photos and videos. Full bio
Supasorn Suwajanakorn works on ways to reconstruct, preserve and reanimate anyone -- just from their existing photos and videos. Full bio
Double-click the English transcript below to play the video.
00:12
Look at these images.
0
876
1151
この映像を見てください
00:14
Now, tell me which Obama here is real.
1
2051
2635
本物のオバマ大統領は
どれでしょう？
どれでしょう？
00:16
(Video) Barack Obama: To help families
refinance their homes,
refinance their homes,
2
4710
2861
(バラク・オバマ) 住宅ローンを
借り換える家庭を助けること
借り換える家庭を助けること
ハイテク製造業
クリーンエネルギー
クリーンエネルギー
00:19
to invest in things
like high-tech manufacturing,
like high-tech manufacturing,
3
7595
2647
インフラといったものに
投資することで
投資することで
00:22
clean energy
4
10266
1159
00:23
and the infrastructure
that creates good new jobs.
that creates good new jobs.
5
11449
2779
良い仕事が創出されます
(講演者) 分かりますか？
00:26
Supasorn Suwajanakorn: Anyone?
6
14647
1484
00:28
The answer is none of them.
7
16155
1874
答えは 全部ニセ者です
00:30
(Laughter)
8
18053
1114
(笑)
00:31
None of these is actually real.
9
19191
1786
どれ１つ本物ではありません
00:33
So let me tell you how we got here.
10
21001
1840
これまでの道のりについて
お話ししましょう
お話ししましょう
00:35
My inspiration for this work
11
23940
1578
この研究をする
ヒントになったのは
ヒントになったのは
00:37
was a project meant to preserve our last
chance for learning about the Holocaust
chance for learning about the Holocaust
12
25542
5411
ホロコーストの生存者たちから
学ぶ最後の機会を
学ぶ最後の機会を
保存しようという
プロジェクトでした
プロジェクトでした
00:42
from the survivors.
13
30977
1768
「証言の新局面」(New Dimensions in
Testimony) という名前で
Testimony) という名前で
00:44
It's called New Dimensions in Testimony,
14
32769
2627
00:47
and it allows you to have
interactive conversations
interactive conversations
15
35420
3126
ホロコースト生存者の
ホログラムと
ホログラムと
対話することができます
00:50
with a hologram
of a real Holocaust survivor.
of a real Holocaust survivor.
16
38570
2556
(男) どうやってホロコーストを
生き延びたんですか？
生き延びたんですか？
00:53
(Video) Man: How did you
survive the Holocaust?
survive the Holocaust?
17
41793
1966
00:55
(Video) Hologram: How did I survive?
18
43783
1668
(ホログラム) どうやって生き延びたか？
私が生き残れたのは—
00:57
I survived,
19
45912
1807
神が見守っていて
くれたからだと
くれたからだと
01:00
I believe,
20
48419
1527
01:01
because providence watched over me.
21
49970
3023
私は思っています
01:05
SS: Turns out these answers
were prerecorded in a studio.
were prerecorded in a studio.
22
53573
3454
(講演者) 答えはスタジオで
あらかじめ録画されたものですが
あらかじめ録画されたものですが
01:09
Yet the effect is astounding.
23
57051
2452
その効果は劇的です
その人の話や その人自身に対する
強い結び付きを感じます
強い結び付きを感じます
01:11
You feel so connected to his story
and to him as a person.
and to him as a person.
24
59527
3619
人間同士のやり取りには
01:16
I think there's something special
about human interaction
about human interaction
25
64011
3301
特別な力があるのでしょう
01:19
that makes it much more profound
26
67336
2757
本や講義や映画
などよりもずっと
などよりもずっと
01:22
and personal
27
70117
2198
深く個人的な体験を
与えてくれます
与えてくれます
01:24
than what books or lectures
or movies could ever teach us.
or movies could ever teach us.
28
72339
3485
01:28
So I saw this and began to wonder,
29
76267
2425
それで私は
思うようになりました
思うようになりました
01:30
can we create a model
like this for anyone?
like this for anyone?
30
78716
2810
こういうモデルを
誰に対しても作れたら？
誰に対しても作れたら？
01:33
A model that looks, talks
and acts just like them?
and acts just like them?
31
81550
2975
その人自身のように見え
語り 振る舞うモデルです
語り 振る舞うモデルです
01:37
So I set out to see if this could be done
32
85573
2007
それが可能か検討を始め
01:39
and eventually came up with a new solution
33
87604
2310
既存の写真や映像だけから
01:41
that can build a model of a person
using nothing but these:
using nothing but these:
34
89938
3220
その人物のモデルを作る方法を
考案しました
考案しました
その人物のモデルを作る方法を
考案しました
考案しました
01:45
existing photos and videos of a person.
35
93747
2214
01:48
If you can leverage
this kind of passive information,
this kind of passive information,
36
96701
2617
こういう その辺にある
写真や映像といった
写真や映像といった
01:51
just photos and video that are out there,
37
99342
2007
ありあわせの素材
だけでよいなら
だけでよいなら
01:53
that's the key to scaling to anyone.
38
101373
2056
誰に対してもモデルを
作れるようになります
作れるようになります
ちなみに この人物は
リチャード・ファインマンで
リチャード・ファインマンで
01:56
By the way, here's Richard Feynman,
39
104119
1777
01:57
who in addition to being
a Nobel Prize winner in physics
a Nobel Prize winner in physics
40
105920
3413
ノーベル物理学賞の
受賞者であるのみならず
受賞者であるのみならず
優れた教師として
よく知られていました
よく知られていました
02:01
was also known as a legendary teacher.
41
109357
2453
02:05
Wouldn't it be great
if we could bring him back
if we could bring him back
42
113080
2198
もしファインマンを蘇らせ
何百万という若者に話をして
刺激を与えてもらい
刺激を与えてもらい
02:07
to give his lectures
and inspire millions of kids,
and inspire millions of kids,
43
115302
3265
02:10
perhaps not just in English
but in any language?
but in any language?
44
118591
2992
さらには他の言語でも語らせられたなら
素晴らしいでしょう
素晴らしいでしょう
あるいは もうこの世を去ってしまった
おじいさん おばあさんに
おじいさん おばあさんに
02:14
Or if you could ask our grandparents
for advice and hear those comforting words
for advice and hear those comforting words
45
122441
4602
アドバイスや心温まる言葉を
かけてもらえたなら
かけてもらえたなら
02:19
even if they're no longer with us?
46
127067
1770
02:21
Or maybe using this tool,
book authors, alive or not,
book authors, alive or not,
47
129683
3396
またこのツールを使えば
存命か否かにかかわらず
存命か否かにかかわらず
02:25
could read aloud all of their books
for anyone interested.
for anyone interested.
48
133103
2937
著者自身に本の朗読を
してもらうこともできるでしょう
してもらうこともできるでしょう
これが持つ創造的可能性は
限りがなく
限りがなく
02:29
The creative possibilities
here are endless,
here are endless,
49
137199
2437
02:31
and to me, that's very exciting.
50
139660
1713
すごくワクワクさせられます
02:34
And here's how it's working so far.
51
142595
2002
その仕組みを
お話ししましょう
お話ししましょう
02:36
First, we introduce a new technique
52
144621
1667
まず 顔の精細な
３次元モデルを
３次元モデルを
02:38
that can reconstruct a high-detailed
3D face model from any image
3D face model from any image
53
146312
4572
3Dスキャンデータなしに
任意の画像から作れる
手法を開発しました
手法を開発しました
02:42
without ever 3D-scanning the person.
54
150908
2119
02:45
And here's the same output model
from different views.
from different views.
55
153890
2642
これは同じモデルを
別の視点から見たものです
別の視点から見たものです
この技術は映像にも使えます
02:49
This also works on videos,
56
157969
1502
02:51
by running the same algorithm
on each video frame
on each video frame
57
159495
2852
映像の各フレームに
同じアルゴリズムを適用し
同じアルゴリズムを適用し
02:54
and generating a moving 3D model.
58
162371
2222
動きのある３次元モデルを
生成します
生成します
02:57
And here's the same
output model from different angles.
output model from different angles.
59
165538
2772
こちらは同じモデルを
違う角度から見たものです
違う角度から見たものです
03:01
It turns out this problem
is very challenging,
is very challenging,
60
169933
2534
この問題は
とても難しいのですが
とても難しいのですが
あらかじめ その人物の
大量の写真を
大量の写真を
03:04
but the key trick
is that we are going to analyze
is that we are going to analyze
61
172491
2525
03:07
a large photo collection
of the person beforehand.
of the person beforehand.
62
175040
2966
解析することが
鍵になります
鍵になります
03:10
For George W. Bush,
we can just search on Google,
we can just search on Google,
63
178650
2539
ジョージ・W・ブッシュなら
Googleで画像検索するだけでよく
Googleで画像検索するだけでよく
03:14
and from that, we are able
to build an average model,
to build an average model,
64
182309
2499
そこから平均モデルを
作ることができ
作ることができ
段階的にモデルを
改善していって
改善していって
03:16
an iterative, refined model
to recover the expression
to recover the expression
65
184832
3111
皺のような 表情の
細部を再現します
細部を再現します
03:19
in fine details,
like creases and wrinkles.
like creases and wrinkles.
66
187967
2336
これのいいところは
03:23
What's fascinating about this
67
191326
1403
03:24
is that the photo collection
can come from your typical photos.
can come from your typical photos.
68
192753
3423
写真は ごく普通のもので
よいということです
よいということです
どういう表情かとか
どこで撮られたかとかは
どこで撮られたかとかは
03:28
It doesn't really matter
what expression you're making
what expression you're making
69
196200
2603
03:30
or where you took those photos.
70
198827
1885
あまり問題ではありません
03:32
What matters is
that there are a lot of them.
that there are a lot of them.
71
200736
2400
大事なのは写真が
たくさんあるということです
たくさんあるということです
03:35
And we are still missing color here,
72
203160
1736
まだ色が付いていないので
03:36
so next, we develop
a new blending technique
a new blending technique
73
204920
2348
次に新しいブレンディング技法を開発し
03:39
that improves upon
a single averaging method
a single averaging method
74
207292
2836
平均モデルを改良して
くっきりとした顔の
質感や色を付けます
質感や色を付けます
03:42
and produces sharp
facial textures and colors.
facial textures and colors.
75
210152
2818
03:45
And this can be done for any expression.
76
213779
2771
これはどんな表情に
対しても行えます
対しても行えます
03:49
Now we have a control
of a model of a person,
of a model of a person,
77
217485
2499
これで人物の動かせる
モデルができました
モデルができました
03:52
and the way it's controlled now
is by a sequence of static photos.
is by a sequence of static photos.
78
220008
3795
動きは一連の写真に
合わせたものになります
合わせたものになります
03:55
Notice how the wrinkles come and go,
depending on the expression.
depending on the expression.
79
223827
3126
表情に応じて皺が現れたり
消えたりするのに注意してください
消えたりするのに注意してください
04:00
We can also use a video
to drive the model.
to drive the model.
80
228109
2746
モデルを動かすのに
映像を使うこともできます
映像を使うこともできます
04:02
(Video) Daniel Craig: Right, but somehow,
81
230879
2593
(ダニエル・クレイグ) ええ
しかし私達はどうにか
しかし私達はどうにか
04:05
we've managed to attract
some more amazing people.
some more amazing people.
82
233496
3771
さらに素晴らしい人たちを
引き入れました
引き入れました
(講演者) これで面白いことができます
04:10
SS: And here's another fun demo.
83
238021
1642
04:11
So what you see here
are controllable models
are controllable models
84
239687
2246
ここに出ているのは
04:13
of people I built
from their internet photos.
from their internet photos.
85
241957
2444
ネット上の写真から作った
有名人のモデルです
有名人のモデルです
04:16
Now, if you transfer
the motion from the input video,
the motion from the input video,
86
244425
2904
入力源となる映像の
動きに合わせて
動きに合わせて
全部の顔を動かす
ことができます
ことができます
04:19
we can actually drive the entire party.
87
247353
2152
04:21
George W. Bush:
It's a difficult bill to pass,
It's a difficult bill to pass,
88
249529
2172
(ブッシュ) これは
通すのが難しい法案で
通すのが難しい法案で
04:23
because there's a lot of moving parts,
89
251725
2303
構成要素がたくさんあり
立法の過程は見苦しいものに
なるかもしれません
なるかもしれません
04:26
and the legislative processes can be ugly.
90
254052
5231
(拍手)
04:31
(Applause)
91
259307
1630
(講演者) 少し話を戻すと
04:32
SS: So coming back a little bit,
92
260961
1837
私達の究極の目標は
04:34
our ultimate goal, rather,
is to capture their mannerisms
is to capture their mannerisms
93
262822
3191
それぞれの人が話したり笑ったりする時の
独特なやり方や癖を捉えるということです
独特なやり方や癖を捉えるということです
04:38
or the unique way each
of these people talks and smiles.
of these people talks and smiles.
94
266037
3045
04:41
So to do that, can we
actually teach the computer
actually teach the computer
95
269106
2313
その人物が話している
映像を見せるだけで
映像を見せるだけで
04:43
to imitate the way someone talks
96
271443
2222
コンピューターが
その人の話し方を
その人の話し方を
04:45
by only showing it
video footage of the person?
video footage of the person?
97
273689
2420
真似られるように
できるのでしょうか？
できるのでしょうか？
04:48
And what I did exactly was,
I let a computer watch
I let a computer watch
98
276898
2577
それで オバマが演説している
14時間の映像を
14時間の映像を
04:51
14 hours of pure Barack Obama
giving addresses.
giving addresses.
99
279499
3277
コンピューターに
見せることにしました
見せることにしました
04:55
And here's what we can produce
given only his audio.
given only his audio.
100
283443
3516
これはオバマが話す声だけから
生成した映像です
生成した映像です
04:58
(Video) BO: The results are clear.
101
286983
1777
(オバマ) 結果は明らかです
05:00
America's businesses have created
14.5 million new jobs
14.5 million new jobs
102
288784
4349
アメリカの産業界は
75ヶ月にわたり
75ヶ月にわたり
1450万の新たな仕事を
生み出したのです
生み出したのです
05:05
over 75 straight months.
103
293157
2774
05:07
SS: So what's being synthesized here
is only the mouth region,
is only the mouth region,
104
295955
2905
(講演者) ここで合成されているのは
口の部分だけで
口の部分だけで
こんな風にしています
05:10
and here's how we do it.
105
298884
1540
私達のシステムは
ニューラルネットワークを使って
ニューラルネットワークを使って
05:12
Our pipeline uses a neural network
106
300764
1826
05:14
to convert and input audio
into these mouth points.
into these mouth points.
107
302614
2936
入力された音声を
口の位置を表す点に変換します
口の位置を表す点に変換します
05:18
(Video) BO: We get it through our job
or through Medicare or Medicaid.
or through Medicare or Medicaid.
108
306547
4225
(オバマ) 仕事や メディケア
メディケイドを通じて得ています
メディケイドを通じて得ています
05:22
SS: Then we synthesize the texture,
enhance details and teeth,
enhance details and teeth,
109
310796
3420
(講演者) それから質感を合成し
細部や歯を補い
細部や歯を補い
05:26
and blend it into the head
and background from a source video.
and background from a source video.
110
314240
3074
元の映像の頭部と背景に
埋め込みます
埋め込みます
05:29
(Video) BO: Women can get free checkups,
111
317338
1905
(オバマ) 女性は無料の
健康診断を受けられ
健康診断を受けられ
05:31
and you can't get charged more
just for being a woman.
just for being a woman.
112
319267
2968
女性というだけで
余分に支払うことはありません
余分に支払うことはありません
子供は26歳になるまで
親の保険が使えます
親の保険が使えます
05:34
Young people can stay
on a parent's plan until they turn 26.
on a parent's plan until they turn 26.
113
322973
3306
(講演者) 結果としてできたものは
とてもリアルで興味深いものですが
とてもリアルで興味深いものですが
05:39
SS: I think these results
seem very realistic and intriguing,
seem very realistic and intriguing,
114
327267
2952
05:42
but at the same time
frightening, even to me.
frightening, even to me.
115
330243
3173
同時に私自身でも
怖いと感じます
怖いと感じます
05:45
Our goal was to build an accurate model
of a person, not to misrepresent them.
of a person, not to misrepresent them.
116
333440
4015
私達の目標は人物の正確なモデルを作ることで
誰かを騙ることではありません
誰かを騙ることではありません
05:49
But one thing that concerns me
is its potential for misuse.
is its potential for misuse.
117
337956
3111
しかしこれが悪用される可能性を
危惧しています
危惧しています
05:53
People have been thinking
about this problem for a long time,
about this problem for a long time,
118
341958
2971
この問題については
フォトショップが現れて以来
フォトショップが現れて以来
みんなずっと考えてきました
05:56
since the days when Photoshop
first hit the market.
first hit the market.
119
344953
2381
05:59
As a researcher, I'm also working
on countermeasure technology,
on countermeasure technology,
120
347862
3801
研究者として 私は
対策技術の開発もしていて
対策技術の開発もしていて
AI Foundationでの
取り組みに参加しています
取り組みに参加しています
06:03
and I'm part of an ongoing
effort at AI Foundation,
effort at AI Foundation,
121
351687
2942
それは機械学習と
人間のモデレーターの組み合わせにより
人間のモデレーターの組み合わせにより
06:06
which uses a combination
of machine learning and human moderators
of machine learning and human moderators
122
354653
3397
06:10
to detect fake images and videos,
123
358074
2144
偽物の画像や映像を
検出しようという
検出しようという
06:12
fighting against my own work.
124
360242
1514
私自身の研究に
対抗するものです
対抗するものです
公開を予定しているツールに
Reality Defender があり
Reality Defender があり
06:14
And one of the tools we plan to release
is called Reality Defender,
is called Reality Defender,
125
362675
3190
これはブラウザーのプラグインで
06:17
which is a web-browser plug-in
that can flag potentially fake content
that can flag potentially fake content
126
365889
4039
偽物の可能性のあるコンテンツに対して
警告を出すようになっています
警告を出すようになっています
06:21
automatically, right in the browser.
127
369952
2533
06:24
(Applause)
128
372509
4228
(拍手)
それでも真偽の確認が
なされる前に
なされる前に
06:28
Despite all this, though,
129
376761
1453
06:30
fake videos could do a lot of damage,
130
378238
1840
偽の映像が大きな被害を
もたらすこともありうるので
もたらすこともありうるので
06:32
even before anyone has a chance to verify,
131
380102
3294
偽の映像が大きな被害を
もたらすこともありうるので
もたらすこともありうるので
現在どのようなことが
可能になっているのかを
可能になっているのかを
06:35
so it's very important
that we make everyone aware
that we make everyone aware
132
383420
2722
みんな理解していることが重要で
06:38
of what's currently possible
133
386166
2007
それにより適切な仮定をし
批判的な目で物事を見られるようになるでしょう
批判的な目で物事を見られるようになるでしょう
06:40
so we can have the right assumption
and be critical about what we see.
and be critical about what we see.
134
388197
3369
人物の完全なモデルを作れ
安全性も確保できるまでには
安全性も確保できるまでには
06:44
There's still a long way to go before
we can fully model individual people
we can fully model individual people
135
392423
5007
まだまだ時間がかかるでしょう
06:49
and before we can ensure
the safety of this technology.
the safety of this technology.
136
397454
2786
でも私は希望と熱意を持っています
06:53
But I'm excited and hopeful,
137
401097
1587
06:54
because if we use it right and carefully,
138
402708
3539
この技術を正しく
注意して使うなら
注意して使うなら
06:58
this tool can allow any individual's
positive impact on the world
positive impact on the world
139
406271
4309
誰もが広く世界に
良い影響を与えられるようになり
07:02
to be massively scaled
140
410604
2190
みんなが望む未来を築く
助けになるはずだからです
助けになるはずだからです
07:04
and really help shape our future
the way we want it to be.
the way we want it to be.
141
412818
2742
ありがとうございました
07:07
Thank you.
142
415584
1151
07:08
(Applause)
143
416759
5090
(拍手)
ABOUT THE SPEAKER
Supasorn Suwajanakorn - Computer scientistSupasorn Suwajanakorn works on ways to reconstruct, preserve and reanimate anyone -- just from their existing photos and videos.
Why you should listen
Can we create a digital avatar that looks, acts and talks just like our sweet grandma? This question has inspired Supasorn Suwajanakorn, a recent PhD graduate from the University of Washington, to spend years developing new tools to make it a reality. He has developed a set of algorithms that can build a moving 3D face model of anyone from just photos, which was awarded the Innovation of the Year in 2016. He then introduced the first system that can replicate a person's speech and produce a realistic CG-animation by only analyzing their existing video footage -- all without ever bringing in the person to a Hollywood capture studio.
Suwajanakorn is working in the field of machine learning and computer vision. His goal is to bring vision algorithms out of the lab and make them work in the wild.
Supasorn Suwajanakorn | Speaker | TED.com