通过使用感知哈希技术的 drop-in pipeline，有效地去重和排查数据泄露问题来评估 CrowdAI Mapping Challenge 数据集的质量。实验结果表明，该数据集中近 90% 的训练样本是相同的，且该数据集存在 93% 的数据泄露问题。

Apr, 2023

通过引入新的半百万级别的面部操作数据集，本文提出了对诸如经典图像取证分类、分割、以及众多优化方法进行基准测试、鉴定的处理任务，包括压缩不同质量级别下的视频，并达到超越现有所有视频操纵数据集一个数量级的状态，旨在通过根据目标制作难以区分的赝品来进行基准评估。

Mar, 2018

本文对当前合成图像生成和处理技术的发展进行了探讨，并提出了一个基于 DeepFakes，Face2Face，FaceSwap 和 NeuralTextures 的面部操作检测基准，包括超过 180 万个操纵图像的数据库，并通过数据驱动型假冒检测器的详尽分析证明了使用额外领域特定知识的方法能够显著提高假冒检测的准确性。

Jan, 2019

本文提出了一种算法链，能够对规模为 20 亿张图片的 LAION-2B 数据集进行有效的重复检测，并揭示了大量的版权问题，能够充分解决当前模型训练时所遇到的问题。

Mar, 2023

采用合成数据集进行人脸识别，通过数据扩充和精细控制属性可以显著减少真实与合成数据集之间的差异，并降低数据集的偏见和标签噪声问题，从而将识别错误率从 91.93% 降低到 96.17%，并在较少的真实样本上训练可与百万真实样本训练相媲美的识别效果。

Oct, 2022

通过数据集去重技术，以及针对包含社会偏见的图像 - 描述数据集的剪枝技术，本研究评估去重对训练模型中偏见的影响，并提出了一种易于实施的修改后的 SemDeDup 算法，以减少这些负面影响，实验证明我们提出的 FairDeDup 算法在 FairFace 和 FACET 数据集上提供了更好的公平性指标，并保持了 CLIP benchmark 的零 - shot 性能。

Apr, 2024

本文提出了一种基于深度学习的人脸操作检测方法，包括特征提取和二进制分类两个阶段，并采用三元组损失函数来更好地区分真实面孔和伪造面孔，实验结果表明该方法的性能大多数情况下优于现有技术。

Sep, 2020

本研究发现，在普遍采用的车牌识别数据集的训练和测试集中有大量的近似重复图像，这些近似重复图像极大地影响了基于深度学习的车牌识别模型的评估和发展，建议采用公平的训练和测试集。

Apr, 2023

针对生物医学图像中的错误操纵问题，我们提出一种多尺度重叠检测模型，该模型能够有效地检测生物医学图像中的重复区域，并显著提高了检测效率。

Jul, 2022

本文提出了新的面部相似度量化任务，区别于传统的面部识别，并介绍了针对该任务的新数据集与分类网络。

Jun, 2018