Performance of inter-dataset evaluation on sub-dataset of FF++.

Figshare2025-12-10 更新2026-04-28 收录

人脸伪造

模型泛化评估

数据链接：

https://figshare.com/articles/dataset/Performance_of_inter-dataset_evaluation_on_sub-dataset_of_FF_/30853207 数据链接链接失效反馈

官方服务：

资源简介：

Performance of inter-dataset evaluation on sub-dataset of FF++.

创建时间：

2025-12-10

ForgeryNet 人脸伪造数据集

人脸伪造

深度伪造分析

ForgeryNet 数据集是一个庞大且全面的基准测试，专为深度伪造分析而构建。它包含了 290 万张图像和 221,247 个视频，涵盖了来自全球的 7 种图像层面和 8 种视频层面的伪造操作方法。这个数据集为研究者提供了丰富的资源，以支持图像和视频层面的四种任务：图像伪造分类、空间伪造定位、视频伪造分类和时间伪造定位。这些任务包括了从二分类到多分类的图像伪造识别，以及对伪造区域的空间和时间定位

超神经2024-09-05 更新860

MultiVSR2LRS3 (MV2LRS3)

音频-视觉语音识别

模型泛化评估

MultiVSR2LRS3是由帝国理工学院和都柏林三一学院联合构建的音频-视觉语音识别评估数据集，旨在严格评估现有模型的真实泛化性能。该数据集从大规模MultiVSR语料库的英语验证集中精心采样，包含与经典LRS3测试集在声学、视觉和人口统计学等七个关键维度上严格匹配的分布，数据规模与LRS3测试集相当（约0.9小时视频）。其构建过程采用多维k近邻匹配策略，通过加权特征向量实现分布对齐，确保评估的

arXiv2026-06-05 更新80

Performance of top Feature Set 2-models on the independent data set.

特征选择验证

模型泛化评估

Each of the top 300 feature/kernel degree combinations (as determined by the leave-one-out cross-validation) was used to train a model on the entire training data set. The resulting models were tested

NIAID Data Ecosystem50

UniFaceForge

人脸伪造

图像处理

UniFaceForge伪造人脸图像数据集是一个多样化的数据集，旨在全面评估UniFaceForge模型在各种人脸伪造攻击类型上的表现。该数据集由来自CelebA和FFHQ数据集的真实人脸图像以及多种操纵后的图像组成，包括传统的人脸合成、人脸交换、局部修饰、人脸属性转换，以及基于GAN的修改，如StyleGAN2-based属性修改、StarGAN v2风格转换、STGAN生成的身份转换，还有由S

Hugging Face2025-06-22 更新150

Generalization experiments conducted on the test set of the original HazyDet dataset.

雾天目标检测

模型泛化评估

Generalization experiments conducted on the test set of the original HazyDet dataset.

Figshare2026-03-16 更新60