Rozwój zaawansowanych techniki graficznych spowodował, że coraz częściej dokonuje się mniej lub bardziej wyrazistych manipulacji w pierwotny wygląd fotografowanych oryginałów. Stosowane są zmiany banalne oraz radykalne by tak np. zmienić wygląd modeli i gwiazd filmowych usuwając zmarszczki lub niespodziewany trądzik. Drobne retusze by dodać blasku czy wyrachowane ingerencje bazujące na fotomontażu mające skompromitować osobę fotografowaną stają się działaniami powszednimi.
Te ingerencje były przedmiotem badań Profesora nauk informatycznych Hany Farid z Dartmouth College w Hanover, New Hampshire. Farid ze swoim współpracownikiem Eric’em Kee stworzył narzędzie do analizy fotografii cyfrowej. „Łączenie elementów dwóch fotografii – czyli np. wstawianie osoby z jednego zdjęcia do drugiego. Tabloidy i inne plotkarskie gazety robią to nagminnie. Na przykład w 2004 r. na okładce czasopisma „Star” pojawiła się fotografia Brada Pitta oraz Angeliny Jolie spacerujących po plaży. Wybuchła sensacja, bo jeszcze wówczas nie zanosiło się na romans obydwojga aktorów” – mówi Profesor Farid.
Promocja polegająca na tworzeniu nierealnych obrazów ciała w reklamach oraz czasopismach, traktowana jest w niektórych krajach za poważne nadużycie. Wielka Brytania, Francja i Norwegia, rozważają obecnie wprowadzenie przepisów wymagając by cyfrowo zmienione zdjęcia były oznakowane. „Proste etykietowanie zmanipulowanych obrazów nie jest rozwiązaniem” – twierdzi Farid – „bo wprowadzane są również uzasadnione zmiany takie jaki jak kadrowanie lub zmiany koloru czy też kontrastu”.
Zauważa on w swoich rozważaniach, że eskalacja problemu manipulowania obrazami graficznymi zaczyna dotyczyć również środowisk naukowych. Ten typ fałszerstw staja się często narzędziem w rękach naukowców, którzy to ingerują w graficzną prezentację wyników swoje pracy w celu tak np. optymalizacji estetyki. A czasami co jest bardzo niepokojące z premedytacją dokonywane są zniekształcane rezultaty projektów.
Farid i Kee pomysłodawcy identyfikacji zmian w obrazów cyfrowych najpierw w swojej metodzie dokonali porównania ponad 450 par zdjęć przed i po manipulacji. Miało to służyć określeniu ich odmienności według ośmiu różnych parametrów statystycznych. Wstępne konkluzje pozwoliły natomiast ignorować wszelkie zmiany globalne, takie jak kadrowanie i zamiast koncentrować się na lokalnych geometrycznych modyfikacjach pomogły w określeniu zmian fotometrycznych takich jak np. wygładzanie i wyostrzanie.
W celu eliminacji połączenia parametrów i przedstawieniu ich formie jednej charakterystyki kolejnym etapem badań była analiza tych samych par obrazów przez 350 losowy wybranych ochotników. Mieli oni dokonać porównania par zdjęć odpowiednio rankingując ich podobieństwo w skali od 1 (bardzo podobna) do 5 (bardzo różne). Oceny te zostały następnie wykorzystane do nauczenia maszyny – na bazie algorytmu uczącego zdefiniowanego na podstawie wzorców określonych na etapie analizy empirycznej obrazów dokonanej przez ochotników.
Można powiedzieć, że w ten sposób został zdefiniowana baza ucząca reprezentująca percepcje wzrokową uczestników projektu badawczego. „W ten sposób system jest w stanie ocenić zakres manipulacji w nowe pary obrazów z dokładnością do około 80%” - mówi Farid. Fenomenem tej metody jest jej adaptacyjność do różnych sprofilowanych obrazów poprzez możliwość douczania systemu w procesie identyfikacji.
Czyli teraz tabloidy nie będą mogły bezkarnie puszczać "kaczek dziennikarskich popartych" sfałszowanymi zdjęciami...
Źródło: http://www.scientificamerican.com
