* Dieser Datensatz unterstützt die Online-Nutzung.Klicken Sie hier, um zu springen.

DeepfakeTIMIT ist ein Datensatz zur Deepfake-Erkennung, der 2018 vom Idiap Institute erstellt wurde. Er enthält Videos von Gesichtern, die mithilfe einer Open-Source-Methode auf Basis eines generativen kontradiktorischen Netzwerks (GAN) ausgetauscht wurden. Diese Videos wurden auf Grundlage des ursprünglichen, auf Autoencoder basierenden Deepfake-Algorithmus erstellt. Für den Datensatz wurden manuell 16 Paare von Personen mit ähnlichen Gesichtern aus der öffentlich verfügbaren VidTIMIT-Datenbank ausgewählt und für jede Person zwei Modelle unterschiedlicher Qualität trainiert: ein Modell mit geringer Qualität (LQ) und einer Eingabe-/Ausgabegröße von 64 × 64 und ein Modell mit hoher Qualität (HQ) mit einer Größe von 128 × 128. Für die 10 Videos jeder Person in der VidTIMIT-Datenbank wurden 320 entsprechende Versionen der Videos generiert, was insgesamt 620 Videos mit vertauschten Gesichtern ergab. Was den Ton betrifft, bleibt die Original-Audiospur jedes Videos erhalten und es werden keine Änderungen an den Audiokanälen vorgenommen.

Dieser Datensatz soll die Forschung im Bereich Deepfake-Erkennungstechniken unterstützen und kann zum Trainieren und Testen entsprechender Deep-Learning-Modelle verwendet werden. Das relevante zitierte Papier ist das Papier von P. Korshunov und S. MarcelDeepFakes: eine neue Bedrohung für die Gesichtserkennung? Bewertung und Erkennung“, und C. Sanderson und BC Lovells Artikel „Multiregionale probabilistische Histogramme für robuste und skalierbare Identitätsinferenz》.