OpenForensics：用于野外多人脸伪造检测与分割的大规模挑战性数据集
计算机视觉与模式识别
2021-08-02 v1
摘要
深度伪造媒体的泛滥正引起公众与相关部门的担忧。开发应对社交媒体中伪造人脸的对策已变得至关重要。本文对两项新对策任务进行了综合研究：野外多人脸伪造检测与分割。在不受限自然场景中从多个人脸中定位伪造人脸，远比传统的深度伪造识别任务更具挑战性。为推进这些新任务，我们创建了首个大规模、高挑战性数据集，其设计带有面向人脸伪造检测与分割的人脸级丰富标注，即OpenForensics。凭借其丰富标注，我们的OpenForensics数据集在深度伪造防范和通用人脸检测研究中均具巨大潜力。我们还通过在新建数据集上对各种场景下最先进的实例检测与分割方法进行广泛评估，为这些任务开发了一套基准。数据集、基准结果、代码及补充材料将在我们的项目页面公开：https://sites.google.com/view/ltnghia/research/openforensics
引用
@article{arxiv.2107.14480,
title = {OpenForensics: Large-Scale Challenging Dataset For Multi-Face Forgery Detection And Segmentation In-The-Wild},
author = {Trung-Nghia Le and Huy H. Nguyen and Junichi Yamagishi and Isao Echizen},
journal= {arXiv preprint arXiv:2107.14480},
year = {2021}
}
备注
Accepted to ICCV 2021. Project page: https://sites.google.com/view/ltnghia/research/openforensics