DiffusionFace: 面向基于扩散的人脸伪造分析的全面数据集
计算机视觉与模式识别
2024-03-28 v1
摘要
深度学习的快速进展催生了逼真度极高的面部伪造方法，引发了关于误信息和安全风险的关切。现有人脸伪造数据集在生成高质量人脸图像方面存在局限，无法应对不断演化的生成技术所带来的挑战。为此，我们提出了 DiffusionFace，这是第一个基于扩散的人脸伪造数据集，涵盖各种伪造类别，包括无条件和文本引导的人脸图像生成、Img2Img、Inpaint 以及基于扩散的人脸交换算法。我们的 DiffusionFace 数据集特点在于拥有 11 个扩散模型的广泛集合，以及生成图像的高质量，提供必要的元数据和来自真实互联网来源的人脸伪造图像数据集用于评估。此外，我们对数据进行深入分析，介绍实用的评估协议，以严格评估判别模型在检测作假人脸图像方面的效果，旨在增强人脸图像身份验证过程中的安全性。该数据集可在 \url{https://github.com/Rapisurazurite/DiffFace} 上下载。
引用
@article{arxiv.2403.18471,
title = {DiffusionFace: Towards a Comprehensive Dataset for Diffusion-Based Face Forgery Analysis},
author = {Zhongxi Chen and Ke Sun and Ziyin Zhou and Xianming Lin and Xiaoshuai Sun and Liujuan Cao and Rongrong Ji},
journal= {arXiv preprint arXiv:2403.18471},
year = {2024}
}