DeeperForensics-1.0: A Large-Scale Dataset for Real-World Face Forgery Detection

已于 2024-06-06 09:03:50 修改
阅读量2k 收藏 38
点赞数 37
分类专栏： 论文阅读笔记DeepFake 文章标签： 论文阅读 计算机视觉 人工智能 笔记
于 2024-04-17 15:59:06 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/sinat_39223177/article/details/137674102
版权
DeeperForensics-1.0是一个针对真实世界人脸识别伪造的大规模数据集，包含60000个视频和1760万帧。通过引入DeepFake变分自编码器(DFVAE)来增强视频，以解决外观变化和时间连续性问题。该数据集用于基准测试现有检测方法，旨在提供更高质量、更大规模和更多样性的数据，推动人脸伪造检测研究。
摘要由CSDN通过智能技术生成
了解本专栏 订阅专栏 解锁全文 超级会员免费看
jessIoss
关注
专栏目录
订阅专栏
CVPR 2020 论文大盘点-人脸技术篇
OpenCV中文网
10-22 3222
本文盘点CVPR 2020 所有人脸相关论文，总计64篇，涵盖方向众多，传统方向比如人脸识别、检测等依旧是研究的重点，除此之外，人脸生成、编辑，人脸反欺骗也有众多工作，一方面是研究如何造...
人脸识别二
AI+机器人
02-28 6196
awesome-Face_Recognition Face Tracking; Face Clustering; Face Super-Resolution && Face Deblurring && Face Hallucination; Face Generation && Face Synthesis && Face Completion && Face Restoration && Face De-O
探索真实世界面部伪造检测的新境界：DeeperForensics-1.0
gitblog_00076的博客
06-10 371
探索真实世界面部伪造检测的新境界：DeeperForensics-1.0 去发现同类优质开源项目:https://gitcode.com/ 在数字时代，面部伪造技术的进步带来了新的安全挑战。为此，我们引荐一个强大的开源项目——DeeperForensics-1.0，这是一个专为实时面部伪造检测设计的大型数据集。这个项目旨在推动这一领域的研究，并提高对现实世界中伪造视频的识别能力。 项目介绍 Dee...
DeeperForensics-1.0:[CVPR 2020]用于真实世界人脸伪造检测的大规模数据集
05-10
DeeperForensics-1.0：用于真实世界人脸伪造检测的大规模数据集 该存储库提供以下论文的数据集和代码： DeeperForensics-1.0：用于真实世界人脸伪造检测的大规模数据集，，，在CVPR 2020中。 | | 摘要：我们介绍了我们正在努力建立用于人脸伪造检测的大型基准。 该基准测试的第一个版本DeeperForensics-1.0代表了迄今为止最大的人脸伪造检测数据集，共有60,000个视频，共1760万帧，是现有同类数据集的10倍。 应用了广泛的现实世界扰动以获得更大规模和更高多样性的更具挑战性的基准。 我们会仔细收集DeeperForensics-1.0中的所有源视频，并通过新提议的端到端人脸交换框架来生成假视频。 经用户研究验证，生成的视频质量优于现有数据集中的视频。 该基准测试具有一个隐藏的测试集，其中包含在人类评估中获得较高欺骗性分数的操纵视频。
【论文阅读】Anti-Forgery: Towards a Stealthy and Robust DeepFake Disruption Attack viaAdversarial Percept
me_yundou的博客
11-07 1168
IJCAI 2022论文阅读，论文标题Anti-Forgery: Towards a Stealthy and Robust DeepFake Disruption Attack viaAdversarial Percept。本博客系博主根据个人理解所写，非逐字逐句翻译，预知详情，请参阅论文原文。
商汤科技发布迄今最大人脸检测数据集，绝杀Deepfake！
深度学习技术前沿
01-17 631
关注上方“深度学习技术前沿”，选择“星标公众号”，资源干货，第一时间送达！商汤研发部门SenseTime Research的研究人员与新加坡南洋理工大学合作，设计了一个新的大规模基准De...
从3D人脸到自动驾驶，CVPR2020十个顶级开源数据集
3D视觉工坊
11-12 718
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达CVPR2020数据集CVPR2020上开源的十个最有用的数据集，用数据来构建更好的人工智能，数据搬运工从来不应该缺席！下面就是十个...
CVPR 2020 Cross-domain 论文总结
weixin_42279314的博客
03-01 1485
CVPR 2020 可用于跨域图像分类 论文总结跨域分类动作识别行人识别跨模态行人重识别 跨域分类 AD-Cluster: Augmented Discriminative Clustering for Domain Adaptive Person Re-Identification 作者 | Yunpeng Zhai, Shijian Lu, Qixiang Ye, Xuebo Shan, Jie Chen, Rongrong Ji, Yonghong Tian 单位 | 北大；南洋理工大学；国科大；厦
CVPR 2021最全论文开放下载！附pdf下载链接！
中科院AI算法工程师的博客
06-18 1万+
CVPR 2021最全论文开放，附所有pdf下载链接！
ECCV 2020 SenseHuman Workshop：人类感知、理解与生成
Paper weekly
08-27 528
ECCV 2020 Workshop on Sensing, Understanding and Synthesizing Humans 将在周五（08/28）举办。这一 Worksho...
【AI视野·今日CV 计算机视觉论文速览 第175期】Fri, 10 Jan 2020
TomRen
01-10 1816
AI视野·今日CS.CV 计算机视觉论文速览 第175期 视觉论文速览 ---单目视频递归深度估计 ---自适应.分布学习 图像超分辨 ---极坐标目标检测 ---人脸压缩编码 ---deepfake克星，deepforensic数据集 ---你画我猜，插画生成深度学习综述
2020年最值得收藏的60个AI开源工具
古月哲亭
01-08 4818
原本链接:添加链接描述 本文，InfoQ梳理了60个2019年至今GitHub上热门的开源工具，献给那些对新征程满怀期待的开发者们。Flair (顶级 NLP 库）2018 年是 NLP 井喷的一年。像 ELMo 和谷歌 BERT 这样的库层出不穷，正如 Sebastian Ruder 所言，“NLP 高光时刻已经来临”，并且这种趋势一直延续到了 2019 年。Flair 是另一款出色的 NLP 库，技术先进、简单易懂、操作方便。 Flair 由 Zalando Research 开发及开源，是基于 Pyt
CVPR2020论文分方向整理之检测篇（代码/论文解读/136篇打包下载）
qwj的博客
08-19 5410
z CVPR2020论文分方向整理之检测篇（代码/论文解读/136篇打包下载） 极市平台（微信公众号ID：extrememart）：专注计算机视觉前沿资讯和技术干货。本文由极市平台首发，转载需获授权。 本周三，CVPR官方正式开放下载，极市第一时间将所有论文（共1467篇）进行了下载打包，详情见此处。为了方便大家进一步的学习，我们对这1467篇论文进行了整理，本次分享的是所有检测类论文，并将它们细分为3D目标检测、人脸检测、动作检测、视频目标检测、文本检测、行人检测等方向，同时附上了相关解读.
CVPR2020论文分方向整理之检测篇_3D目标检测（代码/论文解读/136篇打包下载）
热门推荐
胭脂草的ABC博客
08-06 1万+
CVPR2020论文分方向整理之检测篇（代码/论文解读/136篇打包下载） 本周三，CVPR官方正式开放下载，极市第一时间将所有论文（共1467篇）进行了下载打包，详情见此处。为了方便大家进一步的学习，我们对这1467篇论文进行了整理，本次分享的是所有检测类论文，并将它们细分为3D目标检测、人脸检测、动作检测、视频目标检测、文本检测、行人检测等方向，同时附上了相关解读和已开源论文的代码，共计149篇，并将其打包，获取方式见文末。 3D目标检测 【1】Learning Deep Network...
计算机视觉 数据集（更新于2020.11.27）
wolf_bailang的博客
01-13 2546
belme：数据集中包含大量有标注的图像数据。 ImageNet： 是一个用于视觉对象识别软件研究的大型可视化数据库。超过1400万的图像URL被ImageNet手动注释。根据 WordNet 层次结构来组织，其中层次结构的每个节点都由成百上千个图像来描述。 LSUN：场景理解与许多辅助任务（房间布局估计，显着性预测等） MS COCO：通用图像的理解和文字描述。 COIL 100：在 360 度...
【论文阅读】SRCNN
Winkyyyyyy的博客
10-10 1057
《Learning a Deep Convolutional Network for Image Super-Resolution》（学习深度卷积网络用于图像超分辨率）
11、论文阅读：无监督夜间图像增强：层分解与光效抑制的结合
DQHNB的博客
10-09 1216
夜间图像不仅受到低光的影响，而且还受到光的不均匀分布的影响。现有的夜间能见度增强方法大多集中在增强弱光区域。这不可避免地导致明亮区域中的过度增强和饱和，例如受光效应（眩光、泛光灯等）影响的那些区域。为了解决这个问题，我们需要抑制明亮区域中的光效应，同时提高暗区域的强度。考虑到这个想法，我们引入了一种无监督的方法，它集成了层分解网络和光效应抑制网络。给定一张夜间图像作为输入，我们的层分解网络学习分解阴影，反射和灯光效果层，由无监督的特定层先验损失指导。我们的光效应抑制网络进一步。
[论文阅读]Deep Depth Completion of a Single RGB-D Image
最新发布
qq_41776136的博客
10-15 648
我们的工作目标是完成RGB-D图像的深度通道。商用级深度摄像头通常无法捕捉光滑、明亮、透明和远处表面的深度信息。为了解决这个问题，我们训练了一个深度网络，该网络以RGB图像作为输入，并预测稠密的表面法线和遮挡边界。然后，这些预测与RGB-D摄像头提供的原始深度观测数据结合起来，解决了包括原始观测中缺失像素在内的所有像素的深度问题。
jacquard: a large scale dataset for robotic grasp detection
09-16
《Jacquard: a large scale dataset for robotic grasp detection》是一份关于机器人抓取检测的大规模数据集的研究报告。该数据集命名为Jacquard，旨在为机器人抓取任务提供更多的训练样本和可信的实验结果。 这个数据集的收集是基于一种新型的深度传感器，能够获取对象的3D模型和RGB-D图像。研究团队使用这种传感器对1000个不同的物体进行了扫描，产生了大约4万张高分辨率的图片。 Jacquard数据集采用了一种先进的标记技术，将每个物体的抓取姿势、深度图像和点云数据进行了准确标记。这使得数据集中的每个对象都有了准确的抓取姿势信息，可以用于机器人进行学习和测试。 相比于以往的数据集，Jacquard具有以下几个特点：规模大、多样性强、标注准确。这些特点使得Jacquard数据集成为当前最先进技术的基准数据集之一，可以用于评估和比较不同机器人抓取检测算法的性能。同时，由于数据集的多样性，它还可以帮助机器人系统在面对各种复杂抓取任务时提供更准确和可靠的解决方案。 通过Jacquard数据集，研究人员可以开展深入的机器人抓取检测研究，提出新的算法和方法来增强机器人的感知和操作能力。这对于推动机器人技术的发展和实际应用具有重要意义，为未来智能机器人的出现和机器人应用于日常生活提供了基础支持。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值