Ensemble De Données De Détection De Deep Fake TIMIT

* Cet ensemble de données prend en charge l'utilisation en ligne.Cliquez ici pour sauter.

DeepfakeTIMIT est un ensemble de données pour la détection de deepfake créé par l'Institut Idiap en 2018. Il contient des vidéos de visages échangés à l'aide d'une méthode open source basée sur un réseau antagoniste génératif (GAN). Ces vidéos ont été créées sur la base de l'algorithme Deepfake original basé sur un autoencodeur. L'ensemble de données a sélectionné manuellement 16 paires d'individus avec des visages similaires à partir de la base de données VidTIMIT accessible au public et a formé deux modèles de qualités différentes pour chaque individu : un modèle de faible qualité (LQ) avec une taille d'entrée/sortie de 64×64 et un modèle de haute qualité (HQ) avec une taille de 128×128. Pour les 10 vidéos de chaque personne dans la base de données VidTIMIT, 320 versions correspondantes des vidéos ont été générées, ce qui donne un total de 620 vidéos avec des visages échangés. En ce qui concerne l'audio, la piste audio originale de chaque vidéo est conservée et aucune modification n'est apportée aux canaux audio.

Cet ensemble de données est conçu pour soutenir la recherche sur les techniques de détection de faux profonds et peut être utilisé pour former et tester des modèles d'apprentissage profond associés. L'article cité pertinent est celui de P. Korshunov et S. MarcelDeepFakes : une nouvelle menace pour la reconnaissance faciale ? Évaluation et détection», et l’article de C. Sanderson et BC Lovell «Histogrammes probabilistes multirégionaux pour une inférence d'identité robuste et évolutive》.