ondyari/FaceForensics

# FaceForensics++：学习检测被操控的人脸图像  ## 概述 FaceForensics++ 是一个取证数据集，包含 1000 个原始视频序列，这些序列经过了四种自动人脸操控方法的处理：Deepfakes、Face2Face、FaceSwap 和 NeuralTextures。数据来源于 977 个 YouTube 视频，所有视频都包含一个可追踪的、基本无遮挡的正面人脸，这使得自动篡改方法能够生成逼真的伪造品。由于我们提供了二进制掩码，该数据可用于图像和视频分类以及分割。此外，我们还提供了 1000 个 Deepfakes 模型用于生成和增强新数据。 欲了解更多信息，请参阅[我们更新的论文](https://arxiv.org/abs/1901.08971)。 ## 服务器状态 在发生停电后，我们的 EU 服务器已重新上线。遗憾的是，加拿大服务器 (CA) 仍有一些问题。在我们解决问题并移除此消息之前，请暂时使用 EU 主机（EU, EU2）。 ## 更新内容 - __[FaceShifter](https://lingzhili.com/FaceShifterPage/):__ 我们纳入了发表在 CVPR2020 上的两阶段 FaceShifter 换脸方法。它能够生成高保真且保留身份特征的换脸结果，并且与我们之前的方法相比，它可以通过由启发式错误确认细化网络 (HEAR-Net) 组成的第二合成阶段来处理面部遮挡。原始 YouTube 数据集的所有 1000 个原始视频均已被处理。请前往[他们的项目页面](https://lingzhili.com/FaceShifterPage/)查看更多信息！有关更新的数字以及示例视频，请参阅其[数据集页面](dataset/FaceShifter/README.md)。 如果您想访问新数据并且已经申请了我们的下载脚本，只需重复使用原始下载链接即可获取更新的脚本。否则，请填写[这份 Google 表单](https://docs.google.com/forms/d/e/1FAIpQLSdRRR3L5zAv6tQ_CKxmK4W96tAab_pfBu2EKAgQbeDVhmXagg/viewform)，一旦通过审核，我们将向您发送下载脚本的链接。

- __[Deep Fake Detection Dataset](https://ai.googleblog.com/2019/09/contributing-data-to-deepfake-detection.html):__ 我们托管了由 Google & JigSaw 提供的 Deep Fake Detection Dataset。该数据集包含来自 28 位演员在不同场景下的 3000 多个被操控视频。该数据集具有类似的文件结构，默认情况下会与常规数据集一起下载。有关更多信息，请参阅[数据集](dataset)页面。 - __Neural Textures:__ 我们纳入了第四种操控方法，该方法使用 GAN 和 [Neural Textures](https://arxiv.org/pdf/1904.12356.pdf) 进行人脸操控。所有结果均已更新以包含新的操控方法，我们也更新了基准测试。更多信息请参阅论文。 遗憾的是，此次更新后我们将不再支持旧的基准测试，不过您仍然可以通过创建新的提交将模型提交到新的基准测试。 ## 访问权限 如果您想下载 FaceForensics++ 数据集，请填写[这份 Google 表单](https://docs.google.com/forms/d/e/1FAIpQLSdRRR3L5zAv6tQ_CKxmK4W96tAab_pfBu2EKAgQbeDVhmXagg/viewform)，一旦通过审核，我们将向您发送下载脚本的链接。 如果您在一周内未收到回复，很可能是您的电子邮件被退回——请在发送重复请求前进行检查。 获得下载链接后，请前往[下载部分](dataset/README.md)。您还可以在那里找到有关数据集生成的详细信息。 ## [基准测试](http://kaldir.vc.in.tum.de/faceforensics_benchmark/) 我们针对基于我们操控方法的压缩情况，提供了一个用于人脸操控检测的[自动基准测试](http://kaldir.vc.in.tum.de/faceforensics_benchmark/)，其中包含 1000 张图像。如果您有兴趣在未见过的数据上测试您的方法，请查看它！有关更多信息，请参阅[我们的论文](https://arxiv.org/abs/1901.08971)。您可以在[此处](http://kaldir.vc.in.tum.de/faceforensics_benchmark_images.zip)下载基准测试图像。 ## 原始 FaceForensics 您可以在[此处](https://github.com/ondyari/FaceForensics/tree/original)查看原始 FaceForensics GitHub。对该数据集的任何请求也将包含我们数据集原始版本的下载链接。 ## 引用 如果您使用 FaceForensics++ 数据或代码，请引用： ``` @inproceedings{roessler2019faceforensicspp, author = {Andreas R\"ossler and Davide Cozzolino and Luisa Verdoliva and Christian Riess and Justus Thies and Matthias Nie{\ss}ner}, title = {Face{F}orensics++: Learning to Detect Manipulated Facial Images}, booktitle= {International Conference on Computer Vision (ICCV)}, year = {2019} } ``` ## 帮助 如果您有任何疑问，请通过 [faceforensics@googlegroups.com](faceforensics@googlegroups.com) 联系我们。 ## 视频 请在[此处](https://www.youtube.com/watch?v=x2g48Q2I2ZQ)观看我们的 YouTube 视频。 [](https://www.youtube.com/watch?v=x2g48Q2I2ZQ) ## 更新日志 15.07.2020: 添加了 FaceShifter 23.09.2019: 添加了示例视频以及 Deep Fake Detection Dataset 30.08.2019: 论文被 ICCV 2019 接收！更新了下载脚本以包含 NeuralTextures 并更改了说明 06.04.2019: 更新了样本并添加了基准测试 02.04.2019: 更新了我们的 arxiv 论文，切换到 Google 表单，发布了数据集生成方法并添加了分类样本 25.01.2019: FaceForensics++ 发布 ## 许可证 数据根据 [FaceForensics 使用条款](http://kaldir.vc.in.tum.de/faceforensics_tos.pdf)发布，代码根据 MIT 许可证发布。 版权所有 (c) 2019

标签：Apex, CVPR, Deepfakes, Face2Face, FaceShifter, FaceSwap, GAN, NeuralTextures, 二分类掩膜, 人脸伪造检测, 人脸替换, 反欺诈, 图像分割, 图像处理, 媒体安全, 数字取证, 机器学习, 深度伪造, 深度学习, 生成对抗网络, 自动化脚本, 表情迁移, 视频篡改检测, 计算机视觉, 逆向工具