વાંચવાનો સમય 3 મિનિટ
ફેસ સ્વેપ એઆઈ: વિડિયોમાં એક વ્યક્તિનો ચહેરો બીજી વ્યક્તિના શરીર પર કેવી રીતે બેસાડવામાં આવે છે?
30 સેકન્ડમાં સાર
એઆઈ ફેસ સ્વેપ એ એક ડિજિટલ પ્રક્રિયા છે જેમાં કમ્પ્યુટર વિઝન દ્વારા ચહેરાના મુખ્ય બિંદુઓ ઓળખીને એક વ્યક્તિના ચહેરાના લક્ષણો વિડિયોમાં રહેલી અન્ય વ્યક્તિના શરીર પર જોડવામાં આવે છે.
સોશિયલ મીડિયા પર વાયરલ થતા ચહેરા બદલવાના વિડિયો
આજના ઇન્ટરનેટ યુગમાં આપણે કોઈ બોલીવુડ અભિનેતાના વિડિયોમાં આપણા મિત્રનો ચહેરો હસતો કે ડાન્સ કરતો જોઈએ છીએ. સોશિયલ મીડિયા ફિલ્ટર્સથી શરૂ થયેલી આ ટેકનોલોજી આજે એટલી અદ્યતન બની ગઈ છે કે સામાન્ય આંખો માટે અસલી અને નકલી વિડિયો વચ્ચેનો ભેદ પારખવો મુશ્કેલ બની ગયો છે. વિડિયોમાં એક વ્યક્તિના ચહેરા પર બીજી વ્યક્તિનો ચહેરો આબેહૂબ ચોંટાડવાની આ પ્રક્રિયાને ફેસ સ્વેપ (Face Swap) કહેવામાં આવે છે.
પરંતુ આ કોઈ સામાન્ય ફોટો કટિંગ અને પેસ્ટિંગ નથી. વિડિયોમાં વ્યક્તિ સતત માથું હલાવતી હોય છે, આંખો પટપટાવતી હોય છે અને પ્રકાશના પડછાયા બદલાતા હોય છે. આ બધા કુદરતી ફેરફારો વચ્ચે નવો ચહેરો અસલી જેવો જ દેખાય તે માટે કૃત્રિમ રીતે ચહેરો બદલતી એપ્સ (ડીપફેક ફેસ સ્વેપ ટૂલ્સ અથવા Face Swap Tools) ખૂબ જટિલ ગણિત અને વિઝન મોડેલ્સનો ઉપયોગ કરે છે.
નાટકના પાત્રોનો મુખોટો અને રબરનો માસ્ક
આ પ્રક્રિયા સમજવા માટે નાટકના એક કલાકારની કલ્પના કરો જે પોતાના ચહેરા પર સિલિકોનનો અત્યંત પાતળો અને સ્થિતિસ્થાપક મુખોટો ચડાવે છે. જ્યારે તે બોલે છે કે હસે છે, ત્યારે તે મુખોટો તેની ચહેરાની માંસપેશીઓ સાથે બરાબર ખેંચાય છે અને સંકોચાય છે. કમ્પ્યુટર પણ બિલકુલ આવું જ ડિજિટલ માસ્ક તૈયાર કરે છે.
સૌપ્રથમ સોફ્ટવેર મૂળ વિડિયોના દરેક ચિત્રમાં આંખો, નાક, હોઠ અને જડબાના હાડકાં પર સેંકડો અદ્રશ્ય નકશાના બિંદુઓ (ફેશિયલ લેન્ડમાર્ક્સ અથવા Facial Landmarks) ગોઠવે છે. આ બિંદુઓ માથાના હલનચલનનો ચોક્કસ ખૂણો (હેડ પોઝ એસ્ટીમેશન અથવા Head Pose Estimation) માપીને ત્રિ-પરિમાણીય ચહેરાનું જાળીદાર માળખું (3D ફેશિયલ મેશ અથવા 3D Mesh) ઊભું કરે છે.
ત્યારબાદ એક ખાસ મોડેલ (ઓટોએનકોડર અથવા Autoencoder) બીજી વ્યક્તિના હજારો ફોટામાંથી શીખેલા ચહેરાને તે જાળી પર ખેંચીને બરાબર બેસાડે છે. છેલ્લે, ચહેરાની કિનારીઓ અને ગળા વચ્ચે ત્વચાનો રંગ અને પ્રકાશ એકબીજામાં ભેળવવાની પ્રક્રિયા (સીમલેસ કલર બ્લેન્ડિંગ અથવા Seamless Blending) થાય છે જેથી કોઈ સાંધો ન દેખાય.
સિનેમા અને મનોરંજનમાં સકારાત્મક ઉપયોગ
આ ટેકનોલોજીનો ઉપયોગ હોલીવુડ અને ભારતીય સિનેમામાં જૂના કલાકારોને પડદા પર યુવાન બતાવવા (ડી-એજિંગ) કે જોખમી સ્ટંટ દ્રશ્યોમાં ડુપ્લિકેટ બોડી ડબલના ચહેરા પર મુખ્ય હીરોનો ચહેરો ડિજિટલ રીતે બેસાડવા માટે વ્યાપકપણે થાય છે. આ ઉપરાંત ઐતિહાસિક પાત્રો પર આધારિત ડોક્યુમેન્ટરી કે શૈક્ષણિક વિડિયોમાં પણ દર્શકોને વાસ્તવિક અનુભવ કરાવવા માટે આ સાધનો ઉપયોગી બને છે. જ્યારે તમામ કલાકારોની લેખિત સંમતિથી આવું સર્જનાત્મક કામ થાય છે ત્યારે તે સિનેમાના જાદુને એક નવી ઊંચાઈ આપે છે અને ફિલ્મોનું બજેટ ઘટાડવામાં મદદ કરે છે.
ડિજિટલ મુખોટાની છૂપી ખામીઓ કેવી રીતે પકડવી?
ગમે તેટલું મોંઘું સોફ્ટવેર વાપરવામાં આવ્યું હોય, ફેસ સ્વેપ વિડિયોમાં કેટલીક કુદરતી ખામીઓ રહી જ જાય છે જે સાવચેત નજરથી પકડી શકાય છે:
- ચહેરાની કિનારી પર ઝાંખી રેખા: કાનની બુટ્ટી પાસે કે હડપચીની નીચે ચહેરો વિડિયોની પૃષ્ઠભૂમિ સાથે બરાબર ભળતો નથી અને ધૂંધળી રેખા (એજ આર્ટિફેક્ટ્સ અથવા Edge Artifacts) દેખાય છે.
- ઝડપી હલનચલનમાં ચહેરો છટકી જવો: જ્યારે વ્યક્તિ અચાનક માથું ફેરવે છે કે ચહેરા આગળ હાથ લાવે છે, ત્યારે થોડી ક્ષણો માટે નકલી ચહેરો ધ્રૂજી ઊઠે છે કે મૂળ ચહેરો ડોકિયું કરી જાય છે.
- આંખો અને પ્રકાશની અસંગતતા: વિડિયોના ઓરડામાં જે બાજુથી લાઈટ આવી રહી હોય, ચહેરા પરના પડછાયા ઘણીવાર તેનાથી ઊંધી દિશામાં પડે છે.
- પાંપણો પલકાવવાની અકુદરતી ગતિ: ફેસ સ્વેપ કરેલા પાત્રો ઘણીવાર ખૂબ ઓછી પાંપણો પલકાવે છે અથવા તેમનું હાસ્ય રોબોટ જેવું કડક દેખાય છે.
મનોરંજનની સાથે જાગૃતિ અને સુરક્ષા
ફેસ સ્વેપ ફિલ્મોમાં સ્પેશિયલ ઇફેક્ટ્સ કે મિત્રો સાથે મનોરંજન માટે રોમાંચક છે, પણ સાયબર ગુનેગારો તેનો ઉપયોગ કોઈની પ્રતિષ્ઠા બગાડવા કે છેતરપિંડી કરવા માટે પણ કરે છે. ડિજિટલ વિડિયો ફોરેન્સિક્સ (Video Forensics) દ્વારા આવા વિડિયોની ચકાસણી શક્ય છે. કોઈપણ સનસનાટીભર્યા વિડિયો પર ભરોસો કરતાં પહેલાં તેની ઝીણવટભરી તપાસ કરવી એ દરેક જાગૃત નાગરિકની પ્રાથમિક ફરજ છે.