Loading [MathJax]/extensions/tex2jax.js

0

0
1

文字

分享

0
0
1

臉部超科學回春!光影、老化與比例對外觀的影響

MedPartner_96
・2016/09/16 ・4728字 ・閱讀時間約 9 分鐘 ・SR值 507 ・六年級

-----廣告,請繼續往下閱讀-----

大家有不小心把自己畫成白鼻心,或者是臥蠶畫成眼袋過嗎?有畫鼻影的時候有不小心把自己畫成阿凡達的納美人過嗎?原本就方方的臉有沒有好像覺得越畫越寬?相信很多人都有這樣的慘痛化妝經驗,特別是在新手期 XD

6997798116_6963bfc972_z
臉中白一線的白鼻心。圖/Tony Hara@flickr

之前在分享過一些有關解剖結構的文章,希望大家對這些知識更有掌握,可以把妝化得更好。其實化妝品 「cosmetics」是希臘文的「kosm tikos」,翻譯過來大概是「裝扮巧妙,使自己更具魅力」。字首的「kosmos」的意思,就是裝飾。既然要裝飾成「某個樣子」,那你心裡面就不可能「沒有某個樣子」。對多數人來說,「某個樣子」通常代表「更年輕」、「更有吸引力」。以現在人的標準來看,更有吸引力通常代表「更立體」、「更精緻」的五官比例。

所以今天我想分享的是:

 1. 光影如何影響人臉的視覺效果
2. 人類的臉部老化過程——比較年輕的臉跟老化的臉的差異
3. 符合東方美學概念的臉部比例

-----廣告,請繼續往下閱讀-----

如果要保養,也必須知道到底哪些是可逆的,哪些是不可逆的。看懂之後就不用亂花錢囉!

累了嗎,我們聽首歌吧!痾,不是啦,先來看一下影片~片長兩分多鐘,大家看個三十秒就可以停了。

光線的顏色與明暗對人臉視覺上的影響

https://www.youtube.com/watch?v=uqTuo2yQBXM

從這部影片,你可以清楚看到,不同顏色、不同角度的光,對人臉在視覺上會產生很大的影響。如果全都是強光,沒有明暗,就不會有立體感。你想想看,這不就是化妝在做的事情嗎?另外你也可以知道,為什麼在某些餐廳、某些店家,照鏡子照起來就會特別好看?這除了鏡子的原因以外,光線的顏色跟角度也都有差喔!!!下次如果不小心又沈浸在某個讓自己看起來很瘦的鏡子前,趕快回想一下這篇文章,醒醒吧阿宅,這一切都只是幻覺啊!

-----廣告,請繼續往下閱讀-----

人臉自然老化的過程

從一個小蘿莉,長成花樣年華的少女、再到輕熟女、然後熟透,然後過熟(誤),慢慢步入中老年的過程,到底是怎麼回事呢?我們來看一下這支影片,一分鐘帶你走過女人臉部的八十年。

https://www.youtube.com/watch?v=tTBlFC-oAnw

人的臉部老化是「全面性的」,從皮膚、皮下脂肪、肌肉到骨骼,都有各自老化的過程。

臉部皮膚的老化

2

皮膚從外到內有很多層次,我們就由外而內說明:

-----廣告,請繼續往下閱讀-----

皮膚變薄:老化過程中,膠原蛋白跟彈性纖維變性,結締組織也會流失,所以皮膚就會變薄。老人的皮膚常常一擦到就破,就是這個原因。

皮膚鬆弛:皮膚變薄加上重力的影響,臉部皮膚就會呈現鬆弛。

皮膚粗糙:表皮的角質層因為角化異常,就會導致皮膚粗糙。

乾燥:青春期腺體分泌旺盛,但老了就功能下降。皮脂腺和汗腺分泌不足,無法形成正常的皮脂膜,皮膚就會乾燥。

-----廣告,請繼續往下閱讀-----

黑斑:正常的黑色素小體會均勻分布。但如果色素調節異常,就會出現局部的黑色素增加,產生黑斑或曬斑。

白斑:有時候某些黑色素細胞會退化,就會在它負責的區域產生一點一點的白斑。

老人斑:表皮細胞不正常的角化,會產生脂漏性角化症或俗稱的老人斑。

老年性紫斑:老年人血管及周遭的膠原蛋白跟彈性蛋白都減少,所以微血管變得脆、硬,很容易一碰撞就出現一大片的出血。年紀越大就越容易出現!

-----廣告,請繼續往下閱讀-----

大家要注意的是,上面有些事情是你可以阻止的,例如防曬;但有些就幾乎難以預防,只能順其自然。有些廠商會隨便宣稱他的東西有療效,聽聽就算,不要浪費錢。

臉部脂肪的老化

3

臉部在老化的過程中,脂肪會流失,另外也會伴隨著軟組織一起下垂,所以逐漸就從一個倒三角的 V 臉,變成一個正三角形的下垂臉了。年輕的女生常常在哭自己有嬰兒肥,你不知道那是甜蜜的負荷啊!等你老了,該有肉的地方沒肉,肉都垂到不該有的地方你就欲哭無淚啊……。

臉部肌肉的老化:張力增加

4

有句玩笑話,什麼是老男人:就是該軟的都硬了,該硬的都軟了……該硬的不硬,不該硬的血管啊、攝護腺啊通通都硬了。但肌肉這件事情更是老天爺的玩笑,四肢的肌肉常會因為老化萎縮,但臉部的表情肌反而會因為老化而張力增加……,經年累月的拉扯加上過強的肌肉張力,就會出現很多表情紋路。像是抬頭紋啊、魚尾紋啊、法令紋啊、皺眉紋之類的,讓我忍不住想起這首歌啊:如果說一切就是天意,一切就是命運,終究……(透露年齡…)。

臉部骨質的老化

5

大家可能比較難想像,骨頭這麼硬的東西也會變?其實骨頭是「活的」,隨時都有「生骨細胞」在製造新的骨質,也隨時有「蝕骨細胞」在吃掉老化的骨質。老了之後,製造新骨的能力低於蝕骨的能力,就會慢慢看到骨質流失了。在臉部常可看到眉骨被吸收、眼眶骨更凹陷,下頷角更往下垂等現象。可以對照骨骼圖看:

-----廣告,請繼續往下閱讀-----

6

年輕的臉 VS 老化的臉

所以一張年輕的臉,基本上會是:

1. 皮膚緊實、平滑
2. 肌肉張力不過強,沒有皺紋
3. 輪廓呈現一個倒三角形(inverted triangle face)

整張臉也不是只有一個大的倒三角,你可以把它拆解很多個,把整張臉用很多個倒三角來設計 。例如把整個臉當一個大的倒三角,或者眼睛一區、嘴巴下巴一區之類的都可以。 總之臉上可以區分成很多三角,但一定是倒三角 ,絕對不能是正三角 !不然就是老的臉……。

近年也有人提出好看的臉是大小兩個心形:

-----廣告,請繼續往下閱讀-----

7

不管是哪種,照著這樣的輪廓去化妝,或者是作為保養、治療的目標方向就對了。所以接下來的目標,就是讓他趨近倒三角,或所謂大小雙心的結構!我們能做的,就是光影的明暗效果,或者是立體效果。亮的顏色就是顯大,暗的顏色就是顯小。越立體你看上去就是小,越平面你看上去就是大。 要讓他變寬,就讓他平面化發展 ;要讓他看起來窄,就讓他立體化發展 。

這有點像是一個三角做圖法,你可以在臉上取兩個不會動的點,例如兩邊的眉尾,然後選定一個第三點去動作。不管是化妝還是整形。

8

像是上面這張圖,左邊的女生下巴就短了一點點,不管是用拍照角度、化妝或是整形拉長了比例,就變更好看了。

所以最好看的臉就是又小又精緻又立體。 大家想想看喔,如果你臉白,就會顯大。所以要在螢幕上,又白、看起來又小,那就必定要有立體的五官。有沒有這種人呢?有一個歷史上很標準的正妹:

8+9
1956 年(左)和1978 年(右)的奧黛麗赫本。圖/wikihuffingtonpost

但這只是一個美的典型,別忘了美是有很多很多種的喔!而赫本當然也抵擋不了老化的力量,大家可以觀察其中的變化。

符合東方美學的臉部比例:三庭五眼和各種黃金比例

大家可能會想知道,符合東方美學的臉部比例是什麼樣子?其實也是有些客觀的分析標準,有興趣的朋友可以看隆鼻懶人包第一集,有更完整的角度介紹。但這邊就先讓大家看個最基本的三庭五眼圖。

11

記住,整型是非必要的,化妝、髮型、微整形、手術都是可能的選項,當然要花你比較多錢,或承擔比較多風險的,就一定要想清楚喔!

同場加映:視錯覺原理在化妝與整形的應用

講到化妝或整形,就不能不知道「視錯覺原理」。它可以分成由感覺器官引起的「生理錯視」,以及由心理原因導致的「認知錯視」。詳細的視錯覺成因跟機制可以講到很複雜,但這邊先簡單說,基本上視錯覺原理就是個愚蠢的「人類自行腦補的故事」。

好啦,也不能這麼片面把人類當作這麼愚蠢啦~人類的認知功能是有限的,必須在很短的時間做出判斷,然後把認知功能專注放在重要的事情上,所以對於很多事情我們會傾向直接腦補……所以你就會出現錯覺。視錯覺廣泛出現在我們生活中,這邊我們舉幾個可能用得上的例子吧~

案例一:A 和 B 兩個長方形,哪個比較長?

12

其實這是兩個一模一樣的長方形。人在看兩個相同的長方形時,會傾向於把 A,擺成豎起來的這個看得更修長。所以可以在化妝時或穿搭時,設計一些豎長的線條,都會顯得比較修長。這道理很簡單,叫胖子穿橫條紋就是個悲劇不是嗎……。

案例二

13

A 和 B 其實是同一個人。只要把其中一部分地方遮住,只露出剩下的部分,人們就會腦補被遮住的畫面。所以不管在穿衣服還是化妝還是設計髮型的的時候,想辦法露出自己最瘦的地方,或者遮住自己最胖的地方,或者顯露出五官最立體的部分,遮住比較平或角度不好看的部分,大家就會把你腦補成又瘦又五官立體的正妹惹(無誤)。

案例三:這兩個女孩哪個比較高?

14

答案是一樣高。但大家都覺得戴帽子的那個高。這就是「視覺動線」的作用,這是一個利用「顯眼的視覺焦點」,大家就會把視覺動線往上拉,或者是往下拉,這個戴帽子的女孩就是因為你的視覺動線上移所以看起來高。當然也可以往左拉,或往右拉(但這類運用較少)。例如有個寬臉妹子,又同時帶了很亮眼的耳環,你在看她的時候,視線跟著耳環左右移動,恩,那就悲劇惹。所以如果你的臉部比例不是標準的三庭五眼,都可以利用這招,不管是用帽子、髮型、首飾等小心機做出效果喔~

案例四:哪條線比較長?

15

最後一定要介紹一下上港有名聲,下港有出名的「萊依爾錯視」。三根線明明一樣長,但在箭頭的作用下,B 顯得最短,A 顯得最長。

這個可以解釋非常多事情!!!在穿搭上這就是V領衫可以顯得臉小的原理。在臉型上,這就是 V 臉為什麼看起來臉小的原理。活用這個錯視,你可以搞出一大堆變化!一統自拍界指日可待啊哈哈哈哈哈!

今天這篇文章是希望讓大家知道,化妝跟整型都是可以很科學、很醫學的。有更多的知識,就可以用更低的成本,達到更好的效果。不會因為不懂成分,結果買了一堆可怕的產品毀掉自己的臉,如果要整形也不會因為搞不清楚狀況,接受了一個根本不適合你的手術。

另外也希望大家正確認知「老化」這件事情,但不是要大家害怕老化,然後趕快去亂買抗老產品。知道什麼是老化、理解老化的機制,接下來我們會慢慢找機會補上其他相關機制,告訴大家哪些對預防老化是「實證有效的」,哪些是「持續爭議中的」,哪些是「根本沒效不要再被騙的」。錢跟時間是你最需要掌控的。把這兩樣東西運用好,人生就會有餘裕。但要把錢跟時間運用好,其實是需要很多正確的知識啊!!!

所以拜託千萬不要隨便放棄治療,或者是手滑亂買東西啊……。腦袋空空,錢包就會空空,這是不變的真理啦!!!科學其實沒這麼難,希望大家卸下心防,讓我們幫助你輕鬆學習,然後實際應用在日常生活中~

看完這篇文如果覺得有幫助,趕緊用底下按鍵分享給所有好朋友吧!不傳的沒朋友啊啊!(不夠要好的就不用傳了,認真。因為化妝或整形就是一種競爭,如果大家都超正,就顯不出你的正了…科科)

助人省錢,功德無量,阿彌陀佛~~~

編按:愛美是每個人的天性,不過對你而言光是看滿架的化妝品、保養品,各種醫美產品就令你眼花撩亂,更別說還有玻尿酸、膠原蛋白、類固醇這些有聽沒有懂的名詞來搗亂嗎?如果你想要聰明的美,不想要被各種不實廣告唬得團團轉,那麼泛科學這位合作夥伴 MedPartner 美的好朋友,就是你我的好朋友。

本文轉載自MedPartner 美的好朋友

-----廣告,請繼續往下閱讀-----
文章難易度
MedPartner_96
49 篇文章 ・ 18 位粉絲
一位醫師用一年時間和100萬,夢想用正確醫美和保養知識扭轉亂象的過程。 Med,是Medicine,醫學的縮解。Med 唸起來也是「美的」。我們希望用醫學專業,分享更多美的知識。Partner則是我們對彼此關係的想像。我們認為醫師和求診者不只是醫病關係,更應該是夥伴關係。 如果您也認同我們的理想,歡迎和我們一起傳播更多正確的醫美知識。 我們的內容製作,完全由MedPartner專業醫療團隊負責,拒絕任何業配。

0

2
1

文字

分享

0
2
1
ECU: 汽車大腦的演化與挑戰
鳥苷三磷酸 (PanSci Promo)_96
・2025/07/02 ・3793字 ・閱讀時間約 7 分鐘

本文與 威力暘電子 合作,泛科學企劃執行。

想像一下,當你每天啟動汽車時,啟動的不再只是一台車,而是一百台電腦同步運作。但如果這些「電腦」突然集體當機,後果會有多嚴重?方向盤可能瞬間失靈,安全氣囊無法啟動,整台車就像失控的高科技廢鐵。這樣的「系統崩潰」風險並非誇張劇情,而是真實存在於你我日常的駕駛過程中。

今天,我們將深入探討汽車電子系統「逆天改運」的科學奧秘。究竟,汽車的「大腦」—電子控制單元(ECU),是如何從單一功能,暴增至上百個獨立系統?而全球頂尖的工程師們,又為何正傾盡全力,試圖將這些複雜的系統「砍掉重練」、整合優化?

第一顆「汽車大腦」的誕生

時間回到 1980 年代,當時的汽車工程師們面臨一項重要任務:如何把汽油引擎的每一滴燃油都壓榨出最大動力?「省油即省錢」是放諸四海皆準的道理。他們發現,關鍵其實潛藏在一個微小到幾乎難以察覺的瞬間:火星塞的點火時機,也就是「點火正時」。

如果能把點火的精準度控制在「兩毫秒」以內,這大約是你眨眼時間的百分之一到千分之一!引擎效率就能提升整整一成!這不僅意味著車子開起來更順暢,還能直接省下一成的油耗。那麼,要如何跨過這道門檻?答案就是:「電腦」的加入!

-----廣告,請繼續往下閱讀-----

工程師們引入了「微控制器」(Microcontroller),你可以把它想像成一顆專注於特定任務的迷你電腦晶片。它能即時讀取引擎轉速、進氣壓力、油門深度、甚至異常爆震等各種感測器的訊號。透過內建的演算法,在千分之一秒、甚至微秒等級的時間內,精準計算出最佳的點火角度,並立刻執行。

從此,引擎的性能表現大躍進,油耗也更漂亮。這正是汽車電子控制單元(ECU)的始祖—專門負責點火的「引擎控制單元」(Engine Control Unit)。

汽車電子控制單元的始祖—專門負責點火的「引擎控制單元」(Engine Control Unit)/ 圖片來源:shutterstock

ECU 的失控暴增與甜蜜的負荷

第一顆 ECU 的成功,在 1980 年代後期點燃了工程師們的想像:「這 ECU 這麼好用,其他地方是不是也能用?」於是,ECU 的應用範圍不再僅限於點火,燃油噴射量、怠速穩定性、變速箱換檔平順度、ABS 防鎖死煞車,甚至安全氣囊的引爆時機……各種功能都交給專屬的 ECU 負責 。

然而,問題來了:這麼多「小電腦」,它們之間該如何有效溝通?

-----廣告,請繼續往下閱讀-----

為了解決這個問題,1986 年,德國的博世(Bosch)公司推出了一項劃時代的發明:控制器區域網路(CAN Bus)。你可以將它想像成一條專為 ECU 打造的「神經網路」。各個 ECU 只需連接到這條共用的線路上,就能將訊息「廣播」給其他單元。

更重要的是,CAN Bus 還具備「優先通行」機制。例如,煞車指令或安全氣囊引爆訊號這類攸關人命的重要訊息,絕對能搶先通過,避免因資訊堵塞而延誤。儘管 CAN Bus 解決了 ECU 之間的溝通問題,但每顆 ECU 依然需要獨立的電源線、接地線,並連接各種感測器和致動器。結果就是,一輛汽車的電線總長度可能達到 2 到 4 公里,總重量更高達 50 到 60 公斤,等同於憑空多載了一位乘客的重量。

另一方面,大量的 ECU 與錯綜複雜的線路,也讓「電子故障」開始頻繁登上汽車召回原因的榜首。更別提這些密密麻麻的線束,簡直是設計師和維修技師的惡夢。要檢修這些電子故障,無疑讓人一個頭兩個大。

大量的 ECU 與錯綜複雜的線路,也讓「電子故障」開始頻繁登上汽車召回原因的榜首。/圖片來源:shutterstock

汽車電子革命:從「百腦亂舞」到集中治理

到了2010年代,汽車電子架構迎來一場大改革,「分區架構(Zonal Architecture)」搭配「中央高效能運算(HPC)」逐漸成為主流。簡單來說,這就像在車內建立「地方政府+中央政府」的管理系統。

-----廣告,請繼續往下閱讀-----

可以想像,整輛車被劃分為幾個大型區域,像是車頭、車尾、車身兩側與駕駛艙,就像數個「大都會」。每個區域控制單元(ZCU)就像「市政府」,負責收集該區所有的感測器訊號、初步處理與整合,並直接驅動該區的馬達、燈光等致動器。區域先自理,就不必大小事都等中央拍板。

而「中央政府」則由車用高效能運算平台(HPC)擔任,統籌負責更複雜的運算任務,例如先進駕駛輔助系統(ADAS)所需的環境感知、物體辨識,或是車載娛樂系統、導航功能,甚至是未來自動駕駛的決策,通通交由車輛正中央的這顆「超級大腦」執行。

乘著這波汽車電子架構的轉型浪潮中, 2008 年成立的台灣本土企業威力暘電子,便精準地切入了這個趨勢,致力於開發整合 ECU 與區域控制器(Domain Controller)功能的模組化平台。他們專精於開發電子排檔、多功能方向盤等各式汽車電子控制模組。為了確保各部件之間的溝通順暢,威力暘提供的解決方案,就像是將好幾個「分區管理員」的職責,甚至一部分「超級大腦」的功能,都整合到一個更強大的硬體平台上。

這些模組不僅擁有強大的晶片運算能力,可同時支援 ADAS 與車載娛樂,還能兼容多種通訊協定,大幅簡化車內網路架構。如此一來,車廠在追求輕量化和高效率的同時,也能顧及穩定性與安全性。

-----廣告,請繼續往下閱讀-----
2008 年威力暘電子致力於開發整合 ECU 與區域控制器(Domain Controller)功能的模組化平台 /圖片來源:shutterstock

萬無一失的「汽車大腦」:威力暘的四大策略

然而,「做出來」與「做好」之間,還是有差別。要如何確保這顆集結所有功能的「汽車大腦」不出錯?具體來說,威力暘電子憑藉以下四大策略,築起其產品的可靠性與安全性:

  1. AUTOSAR : 導入開放且標準化的汽車軟體架構 AUTOSAR。分為應用層、運行環境層(RTE)和基礎軟體層(BSW)。就像在玩「樂高積木」,ECU 開發者能靈活組合模組,專注在核心功能開發,從根本上提升軟體的穩定性和可靠性。
  2. V-Model 開發流程:這是一種強調嚴謹、能在早期發現錯誤的軟體開發流程。就像打勾 V 字形般,左側從上而下逐步執行,右側則由下而上層層檢驗,確保每個階段的安全要求都確實落實。
  3. 基於模型的設計 MBD(Model-Based Design) 威力暘的工程師們會利用 MatLab®/Simulink® 等工具,把整個 ECU 要控制的系統(如煞車),用數學模型搭建起來,然後在虛擬環境中進行大量的模擬和測試。這等於在實體 ECU 誕生前,就能在「數位雙生」世界中反覆演練、預先排除設計缺陷,,並驗證安全機制是否有效。
  4. Automotive SPICE (ASPICE) : ASPICE 是國際公認的汽車軟體「品質管理系統」,它不直接評估最終 ECU 產品本身的安全性,而是深入檢視團隊在軟體開發的「整個過程」,也就是「方法論」和「管理紀律」是否夠成熟、夠系統化,並只根據數據來評估品質。

既然 ECU 掌管了整輛車的運作,其能否正常運作,自然被視為最優先項目。為此,威力暘嚴格遵循汽車業中一本堪稱「安全聖經」的國際標準:ISO 26262。這套國際標準可視為一本針對汽車電子電氣系統(特別是 ECU)的「超嚴格品管手冊」和「開發流程指南」,從概念、設計、測試到生產和報廢,都詳細規範了每個安全要求和驗證方法,唯一目標就是把任何潛在風險降到最低

有了上述這四項策略,威力暘確保其產品從設計、生產到交付都符合嚴苛的安全標準,才能通過 ISO 26262 的嚴格檢驗。

然而,ECU 的演進並未就此停下腳步。當ECU 的數量開始精簡,「大腦」變得更集中、更強大後,汽車產業又迎來了新一波革命:「軟體定義汽車」(Software-Defined Vehicle, SDV)。

-----廣告,請繼續往下閱讀-----

軟體定義汽車 SDV:你的愛車也能「升級」!

未來的汽車,會越來越像你手中的智慧型手機。過去,車輛功能在出廠時幾乎就「定終身」,想升級?多半只能換車。但在軟體定義汽車(SDV)時代,汽車將搖身一變成為具備強大運算能力與高速網路連線的「行動伺服器」,能夠「二次覺醒」、不斷升級。透過 OTA(Over-the-Air)技術,車廠能像推送 App 更新一樣,遠端傳送新功能、性能優化或安全修補包到你的車上。

不過,這種美好願景也將帶來全新的挑戰:資安風險。當汽車連上網路,就等於向駭客敞開潛在的攻擊入口。如果車上的 ECU 或雲端伺服器被駭,輕則個資外洩,重則車輛被遠端鎖定或惡意操控。為了打造安全的 SDV,業界必須遵循像 ISO 21434 這樣的車用資安標準。

威力暘電子運用前面提到的四大核心策略,確保自家產品能符合從 ISO 26262 到 ISO 21434 的國際認證。從品質管理、軟體開發流程,到安全認證,這些努力,讓威力暘的模組擁有最高的網路與功能安全。他們的產品不僅展現「台灣智造」的彈性與創新,也擁有與國際大廠比肩的「車規級可靠度」。憑藉這些實力,威力暘已成功打進日本 YAMAHA、Toyota,以及歐美 ZF、Autoliv 等全球一線供應鏈,更成為 DENSO 在台灣少數核准的控制模組夥伴,以商用車熱系統專案成功打入日系核心供應鏈,並自 2025 年起與 DENSO 共同展開平台化量產,驗證其流程與品質。

毫無疑問,未來車輛將有更多運作交由電腦與 AI 判斷,交由電腦判斷,比交由人類駕駛還要安全的那一天,離我們不遠了。而人類的角色,將從操作者轉為監督者,負責在故障或斷網時擔任最後的保險。透過科技讓車子更聰明、更安全,人類甘願當一個「最弱兵器」,其實也不錯!

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

3

6
0

文字

分享

3
6
0
Deepfake 辨偽技術如何在魔高一尺時,能道高一丈呢?——成大統計所許志仲專訪
A編編
・2022/01/26 ・3499字 ・閱讀時間約 7 分鐘

2021年末,小玉的「Deepfake 換臉事件」讓大眾正視 Deepfake 技術的濫用問題。  Deepfake 發展至今不只有造假技術在進步,辨偽也是:目前任職於成大統計所的許志仲老師,從 2018 年開始便在這個主題中專研,並於 2020 年發表相關研究結果,該篇文章起今已有超過 50 次的引用次數。「以這篇論文發表的期刊影響指數(Impact Factor,簡稱IF值)來說,這個引用數相對來說是高的,這代表 Deepfake 辨偽的議題開始變得重要,但研究的人可能沒那麼多。」

許志仲坦言,自己 2018 年研究 Deepfake 辨偽時,Deepfake 影片品質並沒有特別好。沒想到短短兩三年的時間,Deepfake 的效果就已經好到可能會造成問題了。

雙面刃的 Deepfake

Deepfake 技術起初是希望能藉由電腦產生各種不同的逼真圖片或影片,來因應特效製作或老照片修復之類的工作,而要產生逼真圖片或影片,有許多不同的方法都能達成這個目的,目前 Deepfake 最常使用的方法為 2014 年提出的「生成對抗網路(Generative Adversarial Network, 簡稱 GAN)」,透過生成網路與判別網路的對抗,產生逼真的圖片或影片,因此說到 DeepFake,通常都會說起 GAN。

「我們會說 Deepfake 就是 GAN,是因為就目前生成技術還是以 GAN 最好,當然也有新的方法正在發展,所以未來未必還是以 GAN 作為主體,可能用別的方法偽造,也能做得很漂亮。」

-----廣告,請繼續往下閱讀-----

許志仲也表示,Deepfake 的發展目標是正面的,技術本身是中立的,但使用者怎麼使用這項技術,就成了重要問題。而在不能確保使用者心態的情況下,辨偽技術成了這項技術的最後一道防線。而 Deepfake 辨識的主要問題,可以分為偏向研究的「偽造特徵不固定」,以及偏向實務面的「辨偽系統的使用情境差異」兩個面向。

Deepfake 辨識的研究困難:偽造特徵不固定

現在已經有可以辨識貓狗、車牌等物體的影像辨識系統,這些辨識系統也相當成熟可靠,直覺來說,要做出一套辨識 Deepfake 的辨識系統,應該也不會太困難吧?

但實際上卻並非如此,過往辨識系統的做法是抓取容易辨別的特徵,例如貓與狗兩者在形態上就有明顯的差異,只要給電腦夠多的訓練資料,就能有一組精確區分貓與狗的判別式,且能用到各種需要分辨貓與狗的情況下。

貓跟狗的形態差異很大,所以電腦能輕易辨別這兩種物種。圖/envato elements

先不談分辨人臉真假,就人臉辨識本身來說,就是個值得研究的問題,每個人的臉都長得差不多,差異在於五官的相對位置、形狀或大小有微小的差異,這使人臉辨識本身就難有通則可以去分辨。而不同方法生成相似的 Deepfake 圖片,並不一定具有相同的偽造特徵,從人臉特徵到偽造特徵都不固定,使得 Deepfake 辨識具有一定的困難度。

-----廣告,請繼續往下閱讀-----

此外,即便用同一種方法製作同樣的 Deepfake 圖片,也會因為當初給的資料不同,使得偽造特徵出現差異,這讓「一組判別式就能判斷是否為 Deepfake」成為近乎不可能實現的夢。

也許,偽造特徵根本不在人臉上!?

面對 Deepfake 辨識的棘手問題,許志仲說:「要辨識的特徵太多元。我們覺得倒不如去尋找有什麼線索是 GAN 一致會產生的,這線索也許是我們眼睛看不到的,但是電腦可以透過學習的方式去挖掘,所以我就用了這種學習機制去抓出,會不會大部分的這種生成系統,都可能有共同的瑕疵。」

一張 Deepfake 照片並不只有人臉與五官,也包含了背景。而許志仲的論文指出,Deepfake 的偽造特徵,經常出現在背景,或是背景與人臉的交界處:

「臉通常都合成的很漂亮,但是背景跟臉的交界處會不自然。通常在髮絲的地方,髮絲的地方會糊掉這是一種,或是眉毛或者是額頭中的髮線也會有明顯差異。另外就是背景,會明顯看不出背景是什麼東西。大家都忽略看這裡(背景)很正常,而實驗結果也確實看到這些部分具有相對好的辨識度。」

-----廣告,請繼續往下閱讀-----
使用 GAN 生成的 Deepfake 人臉。圖/This Person Does Not Exist

然而,即便該篇論文是近期發布的,許志仲也不敢肯定這套辨識方式是否能套用在目前的狀況下,他表示目前每半年,GAN 生成的 Deepfake 影像的逼真度,就會有顯著的突破,且沒有消退的趨勢。

Deepfake 辨識的實務困難:辨偽系統的使用情境差異

在實務上,許志仲認為目前還有更為棘手的問題需要解決,那就是辨偽系統的使用情境差異。以一段 Deepfake 影片上傳 Youtube 平台為例,上傳的時候 YouTube 就會先對影片進行壓縮,這時原有的 Deepfake 偽造特徵很可能會因為壓縮而被破壞,許志仲解釋:「有些人會故意加上一些雜訊、加一些後處理,比方說整個畫面做類似美肌之類的處理,這些都會破壞掉偽造的線索,我們發現這些狀況十分常見,而且很難克服。這也是為什麼現在幾乎沒有軟體或網站,提供 Deepfake 辨識服務。」

DeepFake 的歐巴馬與演員的解析度就不同。

在實驗室裡,我們可以拿到 GAN 生成的原始影像去做分析,但在網路世界裡,每一個影像都可能像上述的情況一樣,做了各種後處理才放到網路上,就算現在有研究指出某種辨認方式是有效的,也未必真的能應對網路上的複雜情況。

許志仲表示,目前看到有希望突破壓縮這個問題的辨認方式,是去抓人臉在一段影片中的五官變化是否足夠自然,這個線索可以克服壓縮的一點點問題,因爲是藉由五官相對位置的變化來偵測,這就跟壓縮沒太大關係。但正如前面提到的,人臉辨識是困難的,人臉的五官定位本身就無法做到精準,真要使用這套方法辨識 Deepfake,還需要更多研究來確認可行性。

-----廣告,請繼續往下閱讀-----

也有研究者認為 GAN 理論雖然看似完美無瑕,但在產出 Deepfake 過程中仍可能會出現某些關鍵操作,只要藉由偵測畫面中是否有經歷這些操作,就能間接推測這個畫面是否為 Deepfake,不過這個做法的缺點也很明顯,那就是這些關鍵操作,也很可能只是正常的影片後製造成的,並造成不是 Deepfake 的影像也被歸類到 Deepfake 中。

情境逐個突破,讓研究能落地使用

說到這裡,許志仲語重心長地說:「我們研究做了這麼多偵測 Deepfake 的方法,但都不一定能在真實世界使用,這讓我非常意外,而上述的這些情境,也只是冰山一角。」

其實大家都在研究差不多的特徵,像是五官的落差,說話的時候嘴巴的動態變化會比較小或模糊之類的,但這些特徵面在真實的使用情境中,還能有多少辨識度,就真的是未知數。考量到真實情境的複雜度,目前許志仲認為逐個突破不同的情境下它們適合的辨偽方式,才是比較實實際的。

「我們必須先確認好問題是正確的,才能找到正確的答案。」許志仲說,要在實驗室裡做出一套數據漂亮的辨識系統並不困難,但要做出實際能用的辨識系統卻非常不簡單。

-----廣告,請繼續往下閱讀-----

許志仲也嘗試將自己的研究成果運用在實際情境中,但面對製作公司精心製作的 Deepfake 影片,許志仲換了好幾套模型,也只有一套能判別出來,也呼應了「使用情境差異」才是辨識 Deepfake 無法落地的最大問題。

辨識系統在實驗室中可以使用、但在現實生活中卻不一定。圖/envato elements

各界都在防範 Deepfake 影響生活

GAN 要能生成以假亂真的 Deepfake 圖像,必須建構在有訓練完善的生成模型上,而一個訓練完善的生成模型,並不是隨便餵幾筆資料給 GAN 就會跑出來的,必須要有足夠算力的電腦,配合大量的資料才能完成。除了像 Google 或 Facebook 這種規模的公司有能力製作外,也只有部分研究單位,能做出這種以假亂真的生成模型。

許志仲說:「由於 Deepfake 對社會的影響很大,現在他們都只公開自己的程式碼,但不會公開自己的模型,主要就是怕模型被拿去幹壞事。」許志仲也坦承,對於辨偽技術的研究來說,目前的狀況是非常不利的,這代表研究者必須自己用程式碼生出不那麼精良的模型,來製作 Deepfake 圖片測試。

面對未來 Deepfake 是否會無法辨別,許志仲表示就影像上來說,這件事情是做得到的,總會有方法做出不被任何辨識系統偵測,堪稱完美的 Deepfake 影像。但身為防禦方的我們,並不是只能靠圖片辨識真偽,上傳的使用者、社群平台的 meta-data,這些能標示來源的訊息,都可能是我們辨識這部影片是否為 Deepfake 的線索。

-----廣告,請繼續往下閱讀-----
影片的上傳者、發布的社群平台等等,都可能是我們辨識這部影片是否為 DeepFake 的線索。圖/envato elements

面對持續進化,仍看不見消退的 Deepfake 技術,許志仲也希望未來能有更多人一同加入 Deepfake 辨偽的研究行列,針對 Deepfake 辨偽系統的使用情境,我們還有非常多的問題等著被解答。

-----廣告,請繼續往下閱讀-----
所有討論 3