Fake3DGS：用于神经渲染中3D操作检测的基准数据集
计算机视觉与模式识别
2026-05-01 v1
摘要
近期在3D重建和神经渲染方面的进展，特别是3D高斯溅写，使得编辑3D场景并以高度逼真的图像重新渲染变得可行且简单。因此，关于3D内容真实性的安全担忧随之而来。尽管存在这一威胁，3D假检测在文献中仍基本未被探讨，大多数现有工作仅限于2D空间。因此，本文我们正式化了3D假检测的概念，引入Fake3DGS—a一个包含3D高斯溅写场景及其对应渲染视图的数据集，其中假图像通过受控的操作产生，这些操作改变几何、外观和空间布局，同时保持高视觉逼真度。使用该基准，我们展示了当前领先的2D检测器在区分原始与3D操作图像方面的困难。为弥合这一差距，我们引入一种3D感知检测方法，利用多视图一致性和来自高斯溅写表示的特征。实验结果表明，该方法在识别修改后的3D内容方面实现了显著的提升，凸显了新数据集的有效性以及超越2D证据的真实性评估技术的必要性。代码和数据已公开发布供未来研究使用。
引用
@article{arxiv.2604.27590,
title = {Fake3DGS: A Benchmark for 3D Manipulation Detection in Neural Rendering},
author = {Davide Di Nucci and Riccardo Catalini and Guido Borghi and Roberto Vezzani},
journal= {arXiv preprint arXiv:2604.27590},
year = {2026}
}
备注
Accepted at ICPR 2026. Code and data: https://github.com/iot-unimore/Fake3DGS