CVPR 2021 oral | ForgeryNet,目前最大的公开深度人脸伪造数据集

编译:CV君

#CVPR 2021 oral##伪造人脸分析#

ForgeryNet: A Versatile Benchmark for Comprehensive Forgery Analysis

逼真的合成技术飞速发展,使真实图像与操纵图像之间的界限开始模糊。因此,基准化和推进数字伪造分析已经成为一个迫在眉睫的问题。

但现有的对此问题所需要的人脸伪造数据集要么多样性有限,要么只支持粗粒度的分析。

ForgeryNet,目前最大的公开深度人脸伪造数据集

 

作者在本次工作中,针对上述挑战,构建了 ForgeryNet 数据集,是一个极其庞大的人脸伪造数据集,在图像和视频级数据中具有统一的标注,涵盖以下四个任务。

 

  • Image Forgery Classification:图像伪造分类,包括双向(真/假)、三向(真/假与身份置换的伪造方法/假与身份保留的伪造方法)和 n 向(真和 15 种各自的伪造方法)分类。
ForgeryNet,目前最大的公开深度人脸伪造数据集
ForgeryNet,目前最大的公开深度人脸伪造数据集
ForgeryNet,目前最大的公开深度人脸伪造数据集
  • Spatial Forgery Localization:空间伪造定位,将伪造图像的操纵区域与其对应的源头真实图像进行对比分割。
ForgeryNet,目前最大的公开深度人脸伪造数据集
ForgeryNet,目前最大的公开深度人脸伪造数据集
  • Video Forgery Classification:视频伪造分类,对视频级作假分类进行重新定义,在随机位置上进行操纵帧。因为现实世界中的攻击者可以自由操纵任何目标帧。
ForgeryNet,目前最大的公开深度人脸伪造数据集
ForgeryNet,目前最大的公开深度人脸伪造数据集
  • Temporal Forgery Localization:时间伪造定位,对被操纵的时间段进行定位。
ForgeryNet,目前最大的公开深度人脸伪造数据集

ForgeryNet 是目前公开的最大的深度人脸伪造数据集,从数据规模(290万张图像,221247个视频)、manipulations操纵(7种图像级方法,8种视频级方法)、perturbations扰动(36种独立的和更多的混合扰动)和标注(630万个分类标签,290万个操纵区域标注和221247个时空伪造段标签)来看,它都是最大的。

ForgeryNet,目前最大的公开深度人脸伪造数据集

 

作者 | Yinan He, Bei Gan, Siyu Chen, Yichun Zhou, Guojun Yin, Luchuan Song, Lu Sheng, Jing Shao, Ziwei Liu

单位 | 北京邮电大学;商汤;中国科学技术大学;南洋理工大学

论文 | https://arxiv.org/abs/2103.05630

主页 | https://yinanhe.github.io/projects/forgerynet.html

备注 | CVPR 2021 oral

转载请注明:《CVPR 2021 oral | ForgeryNet,目前最大的公开深度人脸伪造数据集