Celeb-DF++：用于改进对话式推荐系统中备选相关物品评估的大规模挑战性视频深度伪造基准

AI技术的快速发展显著增加了网络上深层伪造视频的多样性，为对未知深度伪造类型的通用 forensics 提出了迫切挑战，即使用单个模型检测广泛的未知深度伪造类型。针对这一挑战，需要规模庞大且包含丰富伪造多样性的数据集。然而，尽管大多数现有数据集规模庞大，但仅包含有限的伪造类型，对于开发通用检测方法而言不够。因此，我们在先前的Celeb-DF数据集基础上引入{ Celeb-DF++}，一个新的大规模且具挑战性的视频深度伪造基准，专为通用 forensics 挑战而设计。Celeb-DF++涵盖三种常见的伪造场景：面部置换(FS)、面部再激活(FR)和说话面脸(TF)。每个场景都包含大量高质量的伪造视频，由总计22种最新深度伪造方法生成。这些方法在架构、生成管道和目标面部区域方面有所不同，覆盖野外最常见的深度伪造案例。我们还引入了衡量24种最新检测方法通用性的评估协议，突显了现有检测方法的局限性以及新数据集的难度。