Forgery

# Selective Domain-Invariant Feature for Generalizable Deepfake Detection
Pytorch implementation of "Selective Domain-Invariant Feature for Generalizable Deepfake Detection"

## Prerequisites:
torch: 1.5.1

numpy: 1.19.0

scikit-image: 0.17.2

scikit-learn: 0.23.1

scipy: 1.5.1

# Citation
```
@inproceedings{lai2024selective,
title={Selective domain-invariant feature for generalizable deepfake detection},
author={Lai, Yingxin and Yang, Guoqing and He, Yifan and Luo, Zhiming and Li, Shaozi},
booktitle={ICASSP 2024-2024 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)},
pages={2335--2339},
year={2024},
organization={IEEE}
}
```

# 面向可泛化深度伪造检测的选择性域不变特征
本文《面向可泛化深度伪造检测的选择性域不变特征》的PyTorch实现

## 前置依赖：
torch 1.5.1
numpy 1.19.0
scikit-image 0.17.2
scikit-learn 0.23.1
scipy 1.5.1

# 引用格式

@inproceedings{lai2024selective,
title={选择性域不变特征用于可泛化深度伪造检测},
author={赖颖昕、杨国庆、贺一凡、罗智明、李少孜},
booktitle={ICASSP 2024——2024年IEEE国际声学、语音与信号处理会议（ICASSP 2024）},
pages={2335–2339},
year={2024},
organization={IEEE}
}

搜集汇总

背景与挑战

背景概述

该数据集名为Forgery，主要用于支持深度伪造检测的研究，基于Apache License 2.0许可证发布，大小为58.42GB，于2025年7月30日更新。