adobe反ps软件叫什么(ADOBE(反PS工具))

大数据文摘作者：蒋宝尚Photoshop是迄今为止世界上最畅销的图像编辑软件。它已经成为许多涉及图像处理行业的标准。PS的诞生也是传奇的。它最初是由托马斯诺尔和约翰诺尔在1987年完成的研究论文。
但直到1990年，这个软件才由Adobe首次发布。从出生到放生，困难重重，对人类来说还不够。经过几十年的发展，PS已经成为Adobe最大的收入来源。尤其是在中国，PS确实帮助很多普通人实现了“网络名人梦”，被授予“亚洲四大邪术之一”的称号。Adobe最近宣布开发一项新技术，3354“图像处理反检测”，可以用来检测一张图像是否被PS过。
这项研究成果是Adobe和加州大学伯克利分校的科学家合作完成的。使用这种新技术，可以很容易地识别图像的拼接、复制和删除部分。
这是反PS效果，从左到右依次为：修改图像、检测到修改图像、自动恢复图像、原始图像。
由于Photoshop也归Adobe所有，与其说是在吐槽Adobe，打自己，不如说是在骂Adobe是魔鬼。毕竟现在的年轻人不PS照片都不好意思发朋友圈~
不过也有小伙伴因为吃过PS美颜的亏而拍手叫好~比如下面这个案例~
其实有些PS图仔细看还是能看出来的，不过这个工具的准确率更高。Adobe表示，相比人眼53%的准确率，他们的工具识别准确率高达99%。不过，“作弊”的朋友们暂时可以松一口气了，因为Adobe目前还没有将这一最新成果商业化的计划。
两年时间开发两个算法干掉你传统的反PS方法，非专业人士做不到。毕竟用光分析工具来判断一张照片是不是原创，需要很深的基础。下面是操作步骤，大家可以猜猜~
基于从照片表面的不同部分获得的线索，制作整个照片的光谱模型，这对于具有单一颜色表面的照片尤其有效。用户可以指定一个待识别的照片表面进行分析，然后将一组系数代入反映该表面周围整体光环境的复杂方程，再与其他表面的分析计算结果进行比较。如果差异超过特定范围，则照片可能已经过处理。在这个研究中，卷积神经网络被用来识别PS处理过的人脸图片，它可以直接告诉你哪张照片被PS过，在哪里被PS过，最初是什么样子。
《杀手》是由Adobe研究科学家张曦轲和奥利弗王以及加州大学伯克利分校的王申宇、安德鲁欧文斯和阿列克谢a埃夫罗斯完成的。
目前研究成果已经发表在一篇论文上，放在arxiv上~论文地址：https://arxiv.org/pdf/1906.05856.pdf.其实早在2018年，Adobe公司就在CVPR 2018上演示了机器如何在更短的时间内自动识别照片的修改痕迹。当时的论文不能算是计算机视觉领域的突破，但看到Adobe这个“PS专员”发明“反PS工具”，还是很有意思的。
论文地址：3358 openaccess.thecvf.com/content _ cvpr _ 2018/papers/周_ learning _ rich _ features _ cvpr _ 2018 _ paper.pdf那篇论文展示了如何利用机器学习发现图像的三种变化：拼接、复制、删除。为了发现这些特征，科学家通常在图像的隐藏层中寻找线索。只要对这些图像进行编辑，就会留下数字痕迹，比如图像传感器产生的颜色和亮度不一致(也称图像噪声)。当你把两张不同的照片放在一起，或者从另一张图中复制粘贴其中的一部分，背景噪点不匹配，就像用一些色差涂料掩盖墙上的污渍一样。
换句话说，研究人员训练了一个深度学习神经网络来识别图像处理。第一种方法是识别RGB的变化，第二种方法是识别噪声。这项技术结合了这两种方法，实现了更准确的识别。最新的研究集中在Adobe Photoshop自带的人脸识别液化功能上。因为人脸感知液化可以先识别面部特征，然后用户可以用它来做相应的修改，比如眼睛大小、额头宽度、脸型瘦长、鼻子高度等。也能轻松唤出微笑的嘴唇。
本文提出了两种模型：一种是全局分类模型，其任务是预测人脸是否发生变化；另一种是局部分类模型，可用于识别变化的位置。首先，用ResNet50架构训练一个二元分类器。确定图片是否被修改过。在最终的评价过程中，测量图片像素(即是否高清)对模型的影响，为了增强鲁棒性，还对数据进行了增强。使用的方法包括调整图片大小、调整图片的对比度和饱和度等。此外，研究人员通过编写Photoshop脚本创建了一个图像训练集，并从互联网上抓取了数千张图像进行训练。这还不够。研究人员还要求美术专家帮助他们手动修改图片，并扩展训练集。
本研究中使用的数据集的具体数据。
不同的目标对应不同的损失函数。研究人员预测了原始图像X _ orig r (h w 3)到修改后图像X的光流场u r (h w 2)，之后研究人员试图将图像恢复到原始图像。研究人员训练了一个光流场预测模型F来预测像素扭曲场，并测量它与每个样本的真实光流场U(通过计算原始图像和修改图像之间的光流获得)之间的距离。下图显示了一些光流场的例子。
损失公式如下：
通过逆失真恢复原始图像。重建损失函数为：
其中X是修改后的图像，U是真实的光流场，L_epe表示光流场之间的误差。研究人员试图使光流场更平滑，因此他们使用以下损失函数：
然而，直接使用重建损失函数会导致低纹理区域的模糊和伪影，因此研究人员联合训练上述三个损失函数：
最后，算法模型的全局评估结果如下
相关：3359 the blog . adobe . com/adobe-research-and-UC-Berkeley-detecting-face-manipulations-in-adobe-Photoshop/