شهدت أبحاث التعرف على الوجه نموًا هائلًا خلال العقدين الماضيين. بدءًا من الخوارزميات القادرة على إجراء التعرف في بيئات محددة، تحقق أنظمة التعرف على الوجه الحالية دقةً عاليةً جدًا على مجموعات بيانات واسعة غير مقيدة للوجوه. بينما تستمر الخوارزميات الجديدة في تحقيق أداء أفضل، فإن معظم أنظمة التعرف على الوجه عرضة للفشل تحت تغيرات التمويه، وهي واحدة من أكثر المتغيرات تحديًا في مجال التعرف على الوجه. تحتوي معظم قواعد البيانات الحالية للتمويه على صور ذات تباينات محدودة، غالبًا ما يتم التقاطها في إعدادات مراقبة. وهذا لا يحاكي السيناريو الحقيقي حيث تتعرض الأنظمة للتمويه غير المقيد سواء كان متعمدًا أو غير متعمد.في هذا البحث، تم اقتراح مجموعة بيانات جديدة تُسمى "الوجوه المموهة في الطبيعة" (Disguised Faces in the Wild - DFW) والتي تحتوي على أكثر من 11000 صورة لـ 1000 شخصية مع مختلف أنواع الملحقات المموهة. تم جمع هذه المجموعة من البيانات من الإنترنت، مما أدى إلى الحصول على صور وجوه غير مقيدة مشابهة للإعدادات الحقيقية. إنها أول مجموعة بيانات من نوعها توفر صور وجوه مزيفة وأصلية مموهة لكل موضوع. تم تحليل المجموعة المقترحة بحسب ثلاث مستويات من الصعوبة: (i) سهل، (ii) متوسط، و (iii) صعب لتوضيح طبيعة المشكلة الصعبة.نعتقد أن المجتمع البحثي يمكن أن يستفيد بشكل كبير من مجموعة بيانات DFW فيما يتعلق بتطوير خوارزميات مقاومة لمثل هذه الأعداء. تم إطلاق المجموعة المقترحة كجزء من أول ورشة عمل ومنافسة دولية حول الوجوه المموهة في الطبيعة التي عقدت ضمن مؤتمر الرؤية بالكمبيوتر والتعلم العميق (CVPR)، عام 2018. يقدم هذا البحث مجموعة بيانات DFW بالتفصيل، بما في ذلك بروتوكولات التقييم، النتائج الأساسية، تحليل أداء المشاركات التي تم استلامها كجزء من المنافسة، والثلاثة مستويات المختلفة من الصعوبة لمجموعة بيانات تحدي DFW.