GenFace

一个大规模、多样化和细粒度的高保真数据集，用于促进deepfake检测的发展，包含大量由先进生成器（如基于扩散的模型）生成的伪造人脸，以及关于操纵方法和采用生成器的更详细标签。

A large-scale, diverse, fine-grained and high-fidelity dataset intended to advance the development of deepfake detection. It contains a vast number of forged human faces generated by state-of-the-art generators such as diffusion-based models, along with more detailed labels regarding manipulation methods and the employed generators.

原始信息汇总

GenFace 数据集

概述

• 数据集名称: GenFace
• 可用性: 代码和数据库将在论文发表后提供。

搜集汇总

数据集介绍

构建方式

在深度伪造检测领域，数据集的构建需应对生成技术快速演进的挑战。GenFace数据集通过整合前沿的生成模型，系统性地构建大规模细粒度伪造人脸数据。其构建过程以CelebAHQ和FFHQ高质量真实人脸图像为基础，采用分层策略生成伪造样本：首先，利用扩散模型（如DDPM、LatentDiffusion）与生成对抗网络（如StyleGAN2、StyleGAN3）进行全脸合成；其次，基于属性编辑模型（如LatentTransformer、MaskFaceGAN）对真实图像进行面部属性篡改；最后，通过人脸交换模型（如FaceSwapper、DiffFace）实现身份替换。所有生成图像均遵循原始数据集的官方划分协议，确保训练、验证与测试集在身份上的独立性，并附带多层次标签，涵盖伪造类型、生成方法及具体生成器信息。

特点

GenFace数据集在深度伪造检测基准中展现出显著优势。其核心特点在于大规模与高多样性，包含超过51.5万张伪造图像与10万张真实图像，覆盖全脸合成、属性篡改和人脸交换三种主要伪造类型，并首次纳入扩散模型生成的样本，突破了以往数据集中于GAN技术的局限。图像质量卓越，分辨率范围从256×256至1024×1024，且经评估具有高保真度。数据集提供细粒度分层标签，支持从二值真伪判断到具体生成器识别的多层次分析需求。这种设计不仅增强了数据集的挑战性，也为开发鲁棒性更强的检测算法提供了丰富且结构化的训练与评估资源。

使用方法

GenFace数据集为深度伪造检测研究提供了全面的评估框架。研究者可利用其进行多种实验设置：在跨生成器评估中，可训练模型于一种生成技术（如扩散模型）并测试于另一种（如GAN），以检验模型对未知生成方法的泛化能力；在跨伪造类型评估中，可评估模型在不同伪造类别（如属性篡改与人脸交换）间的迁移性能；此外，数据集支持跨数据集评估，用于测试模型在外部数据上的鲁棒性。数据集的细粒度标签便于进行分层分类任务，从粗粒度的真伪判别到细粒度的生成器识别。同时，其提供的图像对与丰富元数据有助于开发专注于多粒度特征融合与跨域学习的先进检测模型，如论文中提出的CAEL检测器。

背景与挑战

背景概述

随着生成对抗网络与扩散模型等生成技术的飞速发展，合成人脸图像的逼真度已达到以假乱真的程度，这对数字内容真实性鉴别提出了严峻挑战。在此背景下，由深圳大学、大湾区大学及诺丁汉大学宁波分校的研究团队于2024年共同构建了GenFace数据集，旨在为深度伪造检测领域提供一个大规模、细粒度的高保真基准。该数据集不仅涵盖了传统GAN生成的人脸，还首次系统性地引入了基于扩散模型的合成样本，并提供了从伪造类型到具体生成器的多层次精细标注，从而推动了检测算法在跨生成器、跨伪造方式等复杂场景下的鲁棒性研究。

当前挑战

GenFace数据集致力于应对深度伪造检测中的核心难题：一是生成技术迭代带来的检测泛化挑战，尤其是扩散模型所产生的高质量、低伪影合成图像，使得传统基于GAN伪迹的检测方法失效；二是数据构建过程中的技术复杂性，包括如何平衡大规模数据采集与细粒度标注的成本，以及如何整合多样化的生成方法（如整体人脸合成、属性编辑和人脸替换）以确保数据的代表性和层次化结构。这些挑战共同要求检测模型必须超越表观特征分析，深入挖掘跨域与多粒度的伪造痕迹。

常用场景

经典使用场景

在数字伪造检测领域，GenFace数据集作为一项前沿基准，主要应用于评估和提升深度伪造检测算法的性能。该数据集通过整合扩散模型等先进生成技术，构建了大规模、细粒度的高保真伪造人脸图像集合，为研究者提供了丰富的实验材料。其经典使用场景包括跨生成器、跨伪造类型及跨数据集的系统性评估，旨在检验检测模型在应对新兴生成技术时的泛化能力与鲁棒性。

实际应用

在实际应用层面，GenFace数据集为开发鲁棒的深度伪造检测系统提供了重要支撑。该数据集可用于训练和验证安全监控、身份认证、内容审核等场景中的伪造识别模型。其涵盖的多样化生成技术模拟了真实世界中可能出现的复杂伪造手段，有助于提升检测系统在社交媒体、金融安全、司法取证等领域的实用性与可靠性。通过提供高质量且挑战性强的样本，GenFace推动了检测技术向实际部署环境的平滑过渡。

衍生相关工作

基于GenFace数据集，研究者们衍生出一系列创新性工作，特别是在多模态特征融合与跨域学习方面。例如，论文中提出的交叉外观-边缘学习（CAEL）检测器，通过整合多粒度外观特征与边缘全局表示，显著提升了伪造痕迹的捕获能力。此外，该数据集还激发了针对扩散模型生成内容的专用检测方法探索，如利用重建误差或频域分析的技术，进一步丰富了深度伪造检测的研究范式与工具集。