পড়তে 4 মিনিট
Face swap: ভিডিওতে একজনের মুখ অন্য ব্যক্তির শরীরে কীভাবে নিখুঁতভাবে বসানো হয়?
30 সেকেন্ডে সারাংশ
এআই ফেস সোয়াপ হলো একটি ডিজিটাল প্রযুক্তি যেখানে কম্পিউটার ভিশনের মাধ্যমে মুখের বৈশিষ্ট্য শনাক্ত করে ভিডিওর মধ্যে একজনের মুখমণ্ডল অন্য ব্যক্তির শরীরের সাথে নিখুঁতভাবে প্রতিস্থাপন করা হয়।
সামাজিক যোগাযোগমাধ্যমে একটি মজার ভিডিও দেখলেন: জনপ্রিয় এক হলিউড অভিনেতার মুখে আপনার প্রিয় বন্ধুর অবিকল হাসি, আবার কখনো ঐতিহাসিক এক চরিত্রের শরীরে পরিচিত কোনো তারকার মুখ। এটি দেখে আপাতদৃষ্টিতে মনে হতে পারে এক জাদুকরী বিনোদন। কিন্তু বিনোদনের সীমানা পেরিয়ে যখন রাজনৈতিক নেতা বা সাধারণ মানুষের অজান্তে তাদের মুখ অন্য আপত্তিকর বা ভুয়া ভিডিওতে বসিয়ে দেওয়া হয়, তখন প্রযুক্তিটি আতঙ্কের কারণ হয়ে দাঁড়ায়। ভিডিওতে একজনের মুখ অন্য মানুষের শরীরে হুবহু প্রতিস্থাপন করার এই কারিগরি পদ্ধতিকে বলা হয় ফেস সোয়াপ (Face Swap বা Face Replacement)।
কম্পিউটার কীভাবে মুখের অভিব্যক্তি অন্য শরীরে স্থানান্তর করে?
অতীতে কোনো ছবিতে মুখ বদলাতে হলে কাঁচি দিয়ে কেটে জোড়াতালি দেওয়ার মতো জটিল ফটোশপের কাজ লাগত। কিন্তু আধুনিক কৃত্রিম বুদ্ধিমত্তা পুরো ভিডিওর প্রতি সেকেন্ডের চব্বিশটি ফ্রেমেই এই কাজ চোখের পলকে করে ফেলে। সফটওয়্যারের দৃষ্টিতে মানুষের মুখ কেবল একগুচ্ছ রঙিন পিক্সেল নয়। প্রোগ্রামটি প্রথমে মুখের গুরুত্বপূর্ণ ৬৮ থেকে ১০০টিরও বেশি অদৃশ্য পরিমাপক বিন্দু (যাকে ফেশিয়াল ল্যান্ডমার্কস বা Facial Landmarks বলা হয়) চিহ্নিত করে। যেমন: দুই চোখের মণির দূরত্ব, হাসির সময় ঠোঁটের কোণের বাঁক এবং চোয়ালের হাড়ের ঢাল।
পরের ধাপে কম্পিউটার মুখের ওপর একটি অদৃশ্য ডিজিটাল তারের জালিকা বা ত্রিমাত্রিক মুখোশ (থ্রিডি ফেসিয়াল মেশ বা 3D Mesh) পরিয়ে দেয়। এর ফলে ব্যক্তিটি মাথা ডানে-বামে ঘোরালে বা ওপরে তাকালে সফটওয়্যার মুখের কোণ ও গভীরতা বুঝতে পারে। এরপর ছবি পুনর্নির্মাণের বিশেষ নিউরাল নেটওয়ার্ক (যাকে নিউরাল অটো-এনকোডার বা Neural Autoencoder বলা হয়) মূল ব্যক্তির মুখের গঠন (ডোনার ফেস বা Donor Face) থেকে অভিব্যক্তি ধার করে অন্য ব্যক্তির শরীরের ওপর প্রতিস্থাপন করে। রঙের মসৃণ রূপান্তর (কালার গ্রেডিয়েন্ট বা Color Gradients) এবং গলার ত্বকের সাথে মসৃণ জোড়াতালি (সিমলেস ক্লোনিং বা Seamless Cloning) মিলিয়ে চূড়ান্ত ভিডিও তৈরি করা হয়।
মুখোশ পরা অভিজ্ঞ অভিনেতার গল্প
একটি নাটকের মঞ্চের কথা ভাবুন। প্রধান অভিনেতা হঠাৎ অসুস্থ হয়ে পড়ায় পরিচালক দ্রুত এক নতুন বহুরূপী অভিনেতাকে ডেকে আনলেন। কিন্তু দর্শকের কাছে বোঝাতে হবে যে আসল অভিনেতাই মঞ্চে আছেন।
বহুরূপী অভিনেতা আসল অভিনেতার অবিকল একটি পাতলা রাবারের মুখোশ মুখে পরে নিলেন। কিন্তু তিনি যখন কথা বলতে গেলেন, দেখা গেল মুখোশের চোখ দুটি ঠিকমতো কাঁপছে না এবং চিবুকের নিচে একটি হালকা ফাঁক দেখা যাচ্ছে। মঞ্চের জোরালো স্পটলাইটের আলো যখন মুখোশের চকচকে ত্বকে পড়ল, তখন দর্শকদের পেছনের সারি থেকেও স্পষ্ট বোঝা গেল যে এটি আসল মুখ নয়, বরং একটি কৃত্রিম মুখোশ।
ডিজিটাল ফেস সোয়াপ ঠিক এই মুখোশ পরার মতোই কাজ করে। যতই নিখুঁত হোক না কেন, রক্তমাংসের মানুষের মুখের চামড়ার টানটান ভাব ও রক্তসঞ্চালন হুবহু নকল করা কঠিন। ভিডিওর এক ফ্রেম থেকে অন্য ফ্রেমে রূপের স্থির ধারাবাহিকতা (টেম্পোরাল কনসিস্টেন্সি বা Temporal Consistency) বজায় রাখা প্রায়ই সফটওয়্যারের জন্য কষ্টকর হয়ে পড়ে। চকচকে চামড়ায় আলোর স্বাভাবিক ঝলকানি (স্পেকুলার হাইলাইটস বা Specular Highlights) প্রায়ই আসল শরীরের আলোর কোণের সাথে মেলে না।
নকল মুখ শনাক্ত করার চারটি স্পষ্ট কারিগরি লক্ষণ
ভিডিওটি আসল নাকি ফেস সোয়াপ করা তা বোঝার জন্য এই বিষয়গুলোতে খেয়াল রাখুন:
- চিবুক ও ঘাড়ের সংযোগস্থলে ধোঁয়াশা ভাব: মুখ যেখানে মূল শরীরের গলার সাথে মিলেছে, সেখানে ডিজিটাল জোড়াতালির কারণে সীমানা সামান্য ঝাপসা বা কাঁপতে দেখা যায়।
- মুখের সামনে হাত এলে অদ্ভুত বিকৃতি: কথা বলার সময় মুখের সামনে হাত, চশমা বা কফির কাপ এলে (যাকে ফিজিক্যাল অক্লুশন বা Physical Occlusion বলা হয়) কৃত্রিম মুখটি আঙুলের ভেতর মিশে গিয়ে কেঁপে ওঠে।
- চোখের পাতা ফেলার অস্বাভাবিকতা: চোখ বন্ধ ও খোলার ছন্দ অনেক সময় কাঠের পুতুলের মতো অতিরিক্ত যান্ত্রিক মনে হয়।
- ত্বকের খাঁজ ও রোমকূপের অভাব: নকল মুখের ত্বক অতিরিক্ত মসৃণ বা প্লাস্টিকের পুতুলের মতো দেখায়, যা স্বাভাবিক মানুষের ত্বকের সাথে মেলে না।
সাইবার প্রতারণা থেকে নিরাপদ থাকার নিয়ম
ফেস সোয়াপ প্রযুক্তিকে ব্ল্যাকমেইল বা আর্থিক প্রতারণায় ব্যবহারের ঝুঁকি এড়াতে এই পদক্ষেপগুলো নিন:
- জরুরি ভিডিও কলে আর্থিক লেনদেন থেকে সাবধান: অফিসের ঊর্ধ্বতন কর্মকর্তা ভিডিও কলে এসে জরুরি টাকা পাঠাতে বললেও আলাদা মাধ্যমে ফোনে কল করে নিশ্চিত হোন (যাকে ডুয়েল-অথরাইজেশন প্রোটোকল বা Dual-authorization বলা হয়)।
- সামাজিক মাধ্যমে উচ্চ রেজোলিউশনের ছবির উন্মুক্ততা কমান: প্রোফাইলে সবার জন্য উন্মুক্ত ছবির সংখ্যা সীমিত রাখলে অপরাধীদের হাতে মুখের পরিষ্কার ডেটা পৌঁছানো কঠিন হয়।
- সন্দেহ হলে ব্যক্তিকে মুখের সামনে হাত নাড়াতে বলুন: লাইভ ভিডিও কলে কোনো সন্দেহ দেখা দিলে অপর পাশের মানুষকে একপাশে তাকাতে বা মুখের সামনে আঙুল নাড়াতে বলুন; এতে সফটওয়্যারের মুখ কেঁপে বিকৃত হয়ে ধরা পড়ে যাবে।
ফেস সোয়াপ সিনেমা বা বিনোদনে দারুণ মজার সৃষ্টিশীল হাতিয়ার হতে পারে, কিন্তু এটি কখনোই কারও বিশ্বাসযোগ্যতার আসল সনদ নয়। প্রযুক্তির পেছনের এই মুখোশের কারিগরি দুর্বলতাগুলো জেনে রাখলে যেকোনো ডিজিটাল প্রতারণার ফাঁদ আপনি সহজেই এড়িয়ে চলতে পারবেন।