ForgeryNet 数据集论文个人阅读

数据集地址：ForgeryNet Dataset (yinanhe.github.io)

 

全面伪造分析的通用基准（Versatile benchmark）

摘要

        图像真实感合成技术（photorealistic synthesis techniques）的快速发展已经达到了一个临界点（critical point），真实图像和操纵图像之间的边界开始模糊。因此，基准测试(benchmarking)和推进数字伪造分析已成为一个紧迫的问题。然而，现有的人脸伪造数据集要么多样性有限，要么仅支持粗粒度(coarse-grained)分析。

        ForgeryNet数据集，这是一个非常大的人脸伪造数据集，在图像和视频级别的数据中有统一的注释，可用于四项任务：

1） 图像伪造分类，包括双向（真/假）、三向（真/替换了身份（identify replaced）的伪造方法/不替换身份的伪造方法）和N向（真和15种伪造方法）分类。

2） 在伪造图片中对人脸伪造区域进行定位(Spatial Forgery Localization)，将伪造图像的操纵区域与其对应的真实图像进行分割。

3） 视频伪造分类，它重新定义了在随机位置操纵帧的视频级伪造分类。这项任务很重要，因为现实世界中的攻击者可以自由操纵任何目标帧。

4） 时间伪