import streamlit as st
import streamlit.components.v1 as components
import cv2
import numpy as np
from PIL import Image, ExifTags
# 가장 먼저 set_page_config() 호출
st.set_page_config(page_title="딥페이크 사전 방지 필터(테스트)", layout="wide")
# 나머지 Streamlit 코드
st.title("딥페이크 사전 방지 필터(테스트)")
st.markdown("")
st.markdown("안녕하세요! 저희는 딥페이크로부터 여러분의 사진을 보호하는 솔루션을 개발하고 있습니다.", unsafe_allow_html=True)
st.markdown("저희의 목표는 온라인에 게시된 개인의 사진이 악성 딥페이크 영상에 사용되지 않도록 하는 것입니다. 정식 론칭에 앞서, 여러분의 의견을 듣기 위해 간단한 테스트를 진행하고 있습니다.", unsafe_allow_html=True)
st.markdown("최근 SNS에 업로드된 이미지가 딥페이크에 악용되는 사례가 매일 보고되고 있습니다. 따라서 해결책을 강구하기 위해, 여러분의 소중한 의견이 필요합니다.", unsafe_allow_html=True)
st.markdown("")
st.markdown("진행 과정 1. 사람 이미지를 업로드하면, 사전 방지 필터가 적용된 이미지를 보여드립니다.", unsafe_allow_html=True)
st.markdown("진행 과정 2. 딥페이크 실행 버튼을 클릭하면, 딥페이크 결과를 확인할 수 있습니다.", unsafe_allow_html=True)
st.markdown("여러분의 참여에 감사드립니다!", unsafe_allow_html=True)
st.markdown(" *사전 방지 필터란: 사진에 미세한 변화를 주어 딥페이크 모델에 학습되지 못하도록 방해하는 필터.", unsafe_allow_html=True)
st.markdown(
"""
""",
unsafe_allow_html=True,
)
def change_hair_to_blonde(image):
# Convert to OpenCV format
image = np.array(image)
# Convert the image to HSV color space
hsv = cv2.cvtColor(image, cv2.COLOR_RGB2HSV)
# Define the range for hair color (dark colors)
lower_hair = np.array([0, 0, 0])
upper_hair = np.array([180, 255, 30])
# Create a mask for hair
mask = cv2.inRange(hsv, lower_hair, upper_hair)
# Change hair color to blonde (light yellow)
hsv[mask > 0] = (30, 255, 200)
# Convert back to RGB color space
image_blonde = cv2.cvtColor(hsv, cv2.COLOR_HSV2RGB)
return image_blonde
def add_noise(image):
# Convert to OpenCV format
image_np = np.array(image)
# Generate random noise
noise = np.random.normal(0, 25, image_np.shape).astype(np.uint8)
# Add noise to the image
noisy_image = cv2.add(image_np, noise)
return noisy_image
def correct_image_orientation(image):
try:
for orientation in ExifTags.TAGS.keys():
if ExifTags.TAGS[orientation] == 'Orientation':
break
exif = image._getexif()
if exif is not None:
orientation = exif.get(orientation, 1)
if orientation == 3:
image = image.rotate(180, expand=True)
elif orientation == 6:
image = image.rotate(270, expand=True)
elif orientation == 8:
image = image.rotate(90, expand=True)
except (AttributeError, KeyError, IndexError):
pass
return image
uploaded_file = st.file_uploader("이미지를 업로드하세요...", type=["jpg", "png", "jpeg"])
if uploaded_file is not None:
image = Image.open(uploaded_file)
image = correct_image_orientation(image)
st.write("이미지 처리 중...")
# Save the original image as a numpy array
image_np = np.array(image)
col1, col2 = st.columns(2)
with col1:
st.image(image, use_column_width=True)
st.markdown('
업로드한 원본 이미지
', unsafe_allow_html=True)
with col2:
st.image(image, use_column_width=True)
st.markdown('
필터를 입힌 이미지
', unsafe_allow_html=True)
st.markdown('
필터를 입힌 이미지는 육안으로 봤을때, 큰 차이가 없음
', unsafe_allow_html=True)
button_clicked = st.button("딥페이크 적용하기")
col3, col4 = st.columns(2)
if button_clicked:
processed_image = change_hair_to_blonde(image)
deepfake_image = add_noise(image)
else:
processed_image = None
deepfake_image = None
if processed_image is not None and deepfake_image is not None:
with col3:
st.image(processed_image, use_column_width=True)
st.markdown('
원본 이미지로 딥페이크를 제작한 경우
', unsafe_allow_html=True)
st.markdown('
이해를 돕기 위해 사진에 노란색을 입히는 딥페이크 알고리즘 적용. 원본 이미지는 딥페이크 알고리즘의 영향을 받음.
', unsafe_allow_html=True)
with col4:
st.image(deepfake_image, use_column_width=True)
st.markdown('
방지 필터 이미지로 딥페이크를 제작한 경우
', unsafe_allow_html=True)
st.markdown('
방지 필터를 입힌 이미지는 딥페이크의 영향을 받지 않고 알아보기 힘든 사진을 출력함으로써 이미지를 보호함.
', unsafe_allow_html=True)
st.markdown('
유사한 서비스를 사용해 보셨거나, 저희 기술적 원리에 관심이 있으신 분들께선 아래의 간단한 인터뷰에 참여해 주시면 진심으로 감사드리겠습니다.