Ritocco automatico di immagini del volto con strumenti di generative AI

Lo sviluppo sempre più celere delle nuove tecnologie può rappresentare, oggi più che mai, un rischio per la sicurezza. In particolare, il morphing, nato per scopi artistici e di intrattenimento, può rappresentare una seria minaccia, nota come Face Morphing Attack, per la sicurezza dei sistemi biometrici. Tuttavia, la generazione di immagini morphed di alta qualità è complessa e laboriosa, soprattutto per la necessità di ridurre i frequenti artefatti visivi creati dalle tecniche di morphing basate su landmarks. Infatti, sono le immagini morphed di alta qualità, prive di difetti evidenti, che risultano particolarmente efficaci nell'ingannare sia gli osservatori umani che i face recognition systems. In questo studio è stata analizzata l'efficacia di vari metodi di face restoration, tra cui CodeFormer, RestoreFormer++, GFPGAN, VQFR e BFRffusion, nel migliorare la qualità visiva delle immagini morphed, preservando però l'identità dei soggetti originali. Per valutare le prestazioni di questi modelli, sono state impiegate metriche oggettive presenti in letteratura, integrate con valutazioni soggettive ottenute tramite un questionario. I risultati mostrano che alcuni metodi, come CodeFormer, RestoreFormer++ e GFPGAN, generano immagini di alta qualità visiva con un potenziale rischio di inganno sia per i sistemi biometrici sia per gli osservatori umani. Ciò suggerisce che questi modelli possano essere impiegati per produrre dataset di immagini morphed di alta qualità, utili allo sviluppo di efficaci Morphing Attack Detectors. Inoltre, le valutazioni soggettive evidenziano alcune discrepanze tra i risultati numerici delle metriche e la percezione umana, rivelando i limiti di un approccio esclusivamente basato su metriche pixel-wise e percettive. Questo studio dimostra quindi non solo il rischio crescente associato a immagini morphed di alta qualità, ma evidenzia anche l’urgenza di sviluppare metriche di valutazione più affidabili, in grado di allinearsi con il giudizio umano.