ForgeryNet データセットは、ディープフェイク分析専用に構築された大規模で包括的なベンチマークです。これには、世界中の 7 つの画像レベルと 8 つのビデオレベルの偽造操作手法をカバーする、290 万枚の画像と 221,247 件のビデオが含まれています。このデータセットは、画像およびビデオのレベルで 4 つのタスク (画像偽造分類、空間偽造位置特定、ビデオ偽造分類、および時間偽造位置特定) をサポートするための豊富なリソースを研究者に提供します。これらのタスクには、バイナリ分類からマルチクラス分類までの画像偽造認識、および偽造領域の空間的および時間的位置特定が含まれます。

ForgeryNet データセットのサイズと多様性により、これは公開されているディープフェイス偽造のデータセットとしては最大のものとなっています。特徴は次のとおりです。

1. データ規模: 290 万枚の画像、221 247 個のビデオ
2. 操作: 7 つの画像レベルのメソッド、8 つのビデオレベルのメソッド
3. 摂動: 36 の独立した摂動と、より多くのハイブリッド摂動
4. 注釈: 630 万件の分類ラベル、290 万件の操作領域注釈、および 221,247 件の時間偽造セグメントラベル

次の 4 つのタスクで使用できます。

• 時間偽造の位置特定、どのビデオとどの期間が偽造されたかを特定します。

• 画像偽造の分類。二方向（本物/偽物）、三方向（本物/偽物と身元置換偽造手法による偽造/身元保持偽造手法による偽造）、およびn方向（本物と15の偽造手法）分類を含みます。

• 空間偽造位置特定。偽造画像の操作された領域が、対応する実際の画像と比較してセグメント化されます。

• ビデオ偽造分類。ビデオレベルの偽造分類を再定義し、ランダムな位置でフレームを処理します。

このデータセットは、SenseTime Research、北京郵電大学、上海人工知能研究所、北航大学ソフトウェア学院、中国科学技術大学、南洋理工大学 S-Lab の研究者によって 2021 年に共同で開始されました。のために"ForgeryNet: 包括的な偽造分析のための多用途ベンチマーク”。