DiffFace-Edit：用于伪造语义驱动 Deepfake 检测分析的基于扩散模型的人脸数据集
计算机视觉与模式识别
2026-01-21 v1
摘要
生成模型现在能够产生难以察觉的、细粒度的人脸篡改，带来了重大的隐私风险。然而，现有的 AI 生成人脸数据集通常缺乏对细粒度区域篡改样本的关注。此外，目前尚无研究人员研究过拼接攻击（发生在真实样本与篡改样本之间）对检测器的实际影响。我们将这些样本称为检测器规避样本。基于此，我们引入了 DiffFace-Edit 数据集，该数据集具有以下优势：1) 它包含超过两百万张 AI 生成的伪造图像。2) 它涵盖了八个人脸区域（如眼睛、鼻子）的编辑，并包含更丰富的编辑组合，如单区域和多区域编辑。此外，我们专门分析了检测器规避样本对检测模型的影响。我们对数据集进行了全面分析，并提出了一种结合 IMDL 方法的跨域评估。数据集将发布于 https://github.com/ywh1093/DiffFace-Edit。
关键词
引用
@article{arxiv.2601.13551,
title = {DiffFace-Edit: A Diffusion-Based Facial Dataset for Forgery-Semantic Driven Deepfake Detection Analysis},
author = {Feng Ding and Wenhui Yi and Xinan He and Mengyao Xiao and Jianfeng Xu and Jianqiang Du},
journal= {arXiv preprint arXiv:2601.13551},
year = {2026}
}