Jan, 2021

WildDeepfake：用于深度假像检测的具有挑战性的实际数据集

PDF
TL;DR本文提出了一种新的数据集 WildDeepfake，用于支持深度学习的 DeepFake 检测器在网络上对真实世界中的 DeepFakes 进行更好地检测，通过对其进行多维度评估，展示了其在检测性能方面的优越性，并提出了基于注意力机制的 ADDNets 以便更好地实现检测。
发现论文，激发创造
  • WildFake: 一个用于人工智能生成图像检测的大规模挑战数据集

    评估生成模型检测的概括性和鲁棒性，我们提供了一个大规模数据集 WildFake，包含最新的生成器、各种物体类别和实际应用，其丰富性和层次结构提高了对 WildFake 上训练的检测器的泛化性和鲁棒性，从而展示 WildFake 在真实场景下作为 AI 生成图像检测器的重要性和有效性。

    Feb, 2024

  • Celeb-DF：一个用于 DeepFake 取证的大规模挑战性数据集

    研究表明，AI 合成的换脸深度伪造视频越来越威胁到在线信息的可信性。为了解决此问题，研究者开发和评估了 DetectFake 算法，并提出了一个新的高质量数据集 Celeb-DF，其中包含 5639 个名人深度伪造视频，通过改进的合成过程生成，成为目前 DeepFake 识别算法和数据集的新的挑战。

    Sep, 2019

  • 深度假象检测挑战赛数据集 (DFDC)

    本文介绍了构建深度伪造检测模型的关键 - 构建大规模的人脸置换视频数据集和 Deepfakes 检测挑战。

    Jun, 2020

  • DeepFakes: 一项新的人脸识别威胁？评估和检测

    在本文中，我们使用基于 GAN 的开源软件从 VidTIMIT 数据库的视频生成 Deepfake 视频，调整不同的训练和混合参数对生成视频的质量有显著影响，并表明当前的人脸识别系统和现有的检测方法都很容易受到 Deepfake 视频的干扰。

    Dec, 2018

  • OpenForensics 大规模人脸伪造检测与野外分割数据集

    本文针对社交媒体中伪造脸部的困扰，进行了综合研究，首次创建了一个大规模数据集 OpenForensics，并利用其丰富注释，评估了各种情景下的最新实例检测和分割方法的效果，以推动深度伪造的预防和人脸检测等方面的研究。

    Jul, 2021

  • DeeperForensics-1.0: 用于现实世界人脸伪造检测的大规模数据集

    本文介绍了一个大规模人脸伪造检测基准 DeeperForensics-1.0，由新提出的端到端人脸交换框架生成。它包含 60,000 个视频和 17.6 万帧，是同类现有数据集的十倍大。该基准集有一个隐藏的测试集，包含了通过对真实视频进行广泛应用的方法制造的高欺骗得分的操作视频，并评估了五个代表性的检测基线并进行了彻底分析。

    Jan, 2020

  • KoDF：大规模韩国 DeepFake 检测数据集

    本文详细描述了构建韩国 DeepFake Detectio Dataset（KoDF）的方法，通过实验表明了 KoDF 与现有 DeepFake 检测数据集之间的差异，强调使用多个数据集进行现实世界的泛化的重要性。

    Mar, 2021

  • FakeAVCeleb: 一种新的音视频多模态 Deepfake 数据集

    针对如今深度学习技术生成的深度伪造技术的滥用所带来的严重安全和隐私问题，本研究提出了 FakeAVCeleb 这一包含视频和相应的合成唇同步伪造音频的新型多模态 Audio-Video Deepfake 数据集，其有助于打破现存音频和视频上的种族偏见，进一步帮助发展多模态深度伪造检测器。

    Aug, 2021

  • 实用深度伪造检测：全球背景下的漏洞

    本文研究深度学习技术生成的深度伪造视频的真实性检测问题，发现现有算法对于视频质量降低的数据污染容易攻击。研究在全球范围内实现实际的深度伪造检测并引出技术和伦理道德上的问题。

    Jun, 2022

  • 审判法院深度伪造检测综述

    本文简要介绍了图像处理、深度伪造技术以及用于检测这些技术的方法和数据集。

    May, 2022