深度伪造常用数据集

📚 深度伪造常见数据集综述

1. FaceForensics++ (FF++)

• 发布时间：2019，出自慕尼黑工业大学
• 伪造方法：DeepFakes、FaceSwap、Face2Face、NeuralTextures
• 模态：人脸视频（含掩码）
• 数据规模：1000+ 原视频 ，4000伪造视频
• 答案类型：二元分类
• 链接：GitHub

2. Celeb‑DFv2 (CDF2)

• 发布时间：ArXiv 提交：2019年;正式发表：CVPR 2020，Li et al
• 伪造方法：改进 DeepFake 模型，与传统实现不同，Celeb-DF 在编码器结构、分辨率（提升至 256×256）、颜色匹配、边界平滑、时间一致性等方面进行了优化，减少伪造痕迹
• 模态：人脸视频，每个视频包含 30 FPS 的图像帧
• 数据规模：590 真 + 5,639 假视频
• 答案类型：二元分类
• 链接：论文 arXiv

3. DeepFake Detection Challenge (DFDC)

• 发布时间：2020，由 Facebook AI 与 Kaggle 主办
• 伪造方法：DeepFakes, GAN-based以及部分non-learned 方法
• 模态：视频（含音频）—视频为主，且每个视频中音频未标注，仅提供原始音轨 。
• 数据规模： 128,154个视频。真实视频由大约3,426名演员真实拍摄的片段。
• 答案类型：二元分类
• 链接：DFDC 官网； arkiv:The DeepFake Detecti