DiFF est un ensemble de données d'images de falsification faciale de haute qualité et à grande échelle développé conjointement par l'Université du Shandong, l'Université nationale de Singapour et d'autres institutions. Il est généré sur la base du modèle de diffusion et contient plus de 500 000 images. Ces images ont été générées dans 4 environnements différents en utilisant 13 technologies de pointe.

L'ensemble de données utilise 30 000 textes et indices visuels soigneusement collectés pour garantir que les images générées sont hautement réalistes et sémantiquement cohérentes. Les images originales proviennent d'ensembles de données publics tels que VoxCeleb2 et CelebA, qui contiennent 23 661 images originales de 1 070 identités différentes. L'ensemble de données DiFF convient à la détection de falsification faciale, aux attaques adverses et aux défenses contre les deepfakes, ainsi qu'à d'autres formations aux tâches de vision par ordinateur connexes.