DeepfakeTIMIT은 2018년 Idiap Institute에서 만든 딥페이크 감지 데이터 세트입니다. 여기에는 오픈 소스 생성적 적대 신경망(GAN) 기반 방식을 사용하여 얼굴을 바꾼 비디오가 포함되어 있습니다. 이 영상은 원래의 자동 인코더 기반 딥페이크 알고리즘을 기반으로 제작되었습니다. 이 데이터 세트는 공개적으로 이용 가능한 VidTIMIT 데이터베이스에서 얼굴이 비슷한 16쌍의 개인을 수동으로 선택하고, 각 개인에 대해 서로 다른 품질의 두 가지 모델을 학습시켰습니다. 입력/출력 크기가 64×64인 저품질(LQ) 모델과 크기가 128×128인 고품질(HQ) 모델입니다. VidTIMIT 데이터베이스에 있는 각 사람의 10개 비디오에 대해 해당 비디오의 320개 버전이 생성되었고, 얼굴이 바뀐 총 620개 비디오가 생성되었습니다. 오디오의 경우, 각 비디오의 원본 오디오 트랙이 유지되며 오디오 채널은 수정되지 않습니다. 이 데이터 세트는 딥페이크 감지 기술 연구를 지원하도록 설계되었으며, 관련 딥러닝 모델을 훈련하고 테스트하는 데 사용할 수 있습니다. 관련 인용 논문은 P. Korshunov와 S. Marcel의 논문입니다.딥페이크: 얼굴 인식에 대한 새로운 위협인가? 평가 및 탐지”, 그리고 C. Sanderson과 BC Lovell의 논문 “강력하고 확장 가능한 ID 추론을 위한 다중 지역 확률 히스토그램》.