DREAM：深度伪造照片真实性评估基准研究
计算机视觉与模式识别
2026-03-20 v2
摘要
基于深度学习的人脸换脸视频（深度伪造）因其对信息可信度的威胁而引起广泛关注。近期工作主要聚焦于深度伪造检测，旨在客观可靠地区分深度伪造与真实作品。另一方面，深度伪造的主观感知，尤其是其计算建模与仿真，也是重要问题，但缺乏充分的研究。本文聚焦深度伪造的照片级真实性评估，定义为 approximating human perception of deepfakes 的自动化照片真实性评估。它对于评估深度伪造的质量与误导性具有重要意义，可用于预测深度伪造在互联网上的影响，也有望通过作为批评者来提升深度伪造生成过程。本文通过提出名为 DREAM 的全面基准来推动这一新方向，DREAM即 Deepfake photoREalism AssessMent，包括多样化质量的深度伪造视频数据集、来自3500名人类标注者的14万张照片真实性评分及文本描述、以及对18个代表性照片真实性评估方法的全面评估与分析，其中包括最新的大型视觉-语言模型方法和我们新提出的描述对齐 CLIP 方法。本研究包含的基准与洞见可为未来研究奠定基础，涵盖本领域及相关领域。我们将在 https://github.com/bomb2peng/DREAM-A-Benchmark-Study-for-Deepfake-photoREalism-AssessMent 上公开数据集。
引用
@article{arxiv.2510.10053,
title = {DREAM: A Benchmark Study for Deepfake photoREalism AssessMent},
author = {Bo Peng and Zichuan Wang and Sheng Yu and Xiaochuan Jin and Wei Wang and Jing Dong},
journal= {arXiv preprint arXiv:2510.10053},
year = {2026}
}
备注
Accepted by IEEE T-PAMI