深度伪造

Parent: ai_keywords

深度伪造

核心定义

深度伪造（Deepfake）指基于深度学习（尤其是生成对抗网络GAN与自编码器）生成的逼真合成媒体——包括人像、语音、视频等。该技术利用神经网络从大量训练数据中学习目标对象的特征分布，并通过对抗训练生成高保真伪内容，其逼真度常令人类感官难以分辨。

关键技术点

• 生成对抗网络（GAN）：生成器G与判别器D的零和博弈——G生成假样本欺骗D，D则区分真假，两者交替优化直至G生成难以辨识的伪内容。
• 自编码器（Autoencoder）：编码器将输入压缩为隐空间向量，解码器从中重建数据；深度伪造常采用共享编码器、独立解码器的结构，实现人像互换。
• 面部关键点检测与对齐：通过卷积神经网络（如MTCNN）定位眼、鼻、口等68个关键点，结合仿射变换将源面部对齐至目标帧，确保合成边缘的自然过渡。
• 语音生成与唇形同步：基于WaveNet或Tacotron2的文本转语音模型，配合Wav2Lip等网络实现音画精确对齐，解决音频与口型的时空匹配问题。
• 图像分割与融合：使用U-Net分割面部区域，再通过泊松融合或GAN的修复模块消除拼接痕迹，提升合成图层的视觉一致性。

医学/神经科学应用场景

在神经病学领域，深度伪造可用于构建脑卒中后康复评估的数字孪生系统。首都医科大学神经病学团队可利用该技术，从少量患者真实录制的面瘫/失语视频中，通过GAN生成多样化、高保真的标准化病理表情与发音样本（如嘴角歪斜、言语含糊）。这些合成数据既扩充了弱标注训练集，又能与功能性近红外光谱（fNIRS）或脑电图同步采集，用于分析大脑运动皮层与语言区的激活模式。此外，在帕金森病中，通过生成不同严重程度的冻结步态视频，可辅助康复机器人实时反馈步态异常，实现个性化闭环训练——深度伪造在此扮演了“安全、可复现的临床刺激发生器”角色，规避了真实患者隐私与采集成本限制，为神经电生理机制研究开辟新路径。