ForgeryNet——2021 人脸伪造分析挑战赛：方法与结果
计算机视觉与模式识别
2021-12-16 v1
摘要
照片级真实感合成技术的快速进展已到达一个临界点，真实图像与篡改图像之间的界限开始模糊。近期，一个大规模深度人脸伪造数据集 ForgeryNet 被发布，其包含 290 万张图像与 221,247 段视频。就数据规模、篡改手段（7 种图像级方法、8 种视频级方法）、扰动（36 种独立及更多混合扰动）与标注（630 万分类标签、290 万篡改区域标注、221,247 段时间伪造片段标签）而言，它是迄今公开可用的最大数据集。本文报道采用 ForgeryNet 基准的 ForgeryNet——2021 人脸伪造分析挑战赛的方法与结果。模型评估在私有测试集上离线进行。共有 186 名参与者注册该竞赛，11 支队伍提交了有效结果。我们将分析排名靠前的方案，并对未来工作方向作若干讨论。
引用
@article{arxiv.2112.08325,
title = {ForgeryNet -- Face Forgery Analysis Challenge 2021: Methods and Results},
author = {Yinan He and Lu Sheng and Jing Shao and Ziwei Liu and Zhaofan Zou and Zhizhi Guo and Shan Jiang and Curitis Sun and Guosheng Zhang and Keyao Wang and Haixiao Yue and Zhibin Hong and Wanguo Wang and Zhenyu Li and Qi Wang and Zhenli Wang and Ronghao Xu and Mingwen Zhang and Zhiheng Wang and Zhenhang Huang and Tianming Zhang and Ningning Zhao},
journal= {arXiv preprint arXiv:2112.08325},
year = {2021}
}
备注
Technical report. Challenge website: https://competitions.codalab.org/competitions/33386