release-prep-2026
收藏资源简介：
release-prep-2026是一个大规模图像数据集，专为图像分类和伪造/篡改检测研究设计。数据集以Parquet分片形式组织，主要包含图像模态数据（位于data/Image/子目录），并预留了Video、Audio和AV-TH子目录以支持未来多模态扩展。每个样本包含六个字段：image（输入图像）、mask（用于标识篡改区域的二进制掩码，可能为空）、label（类别标签，包括real真实图像、full_synthetic全合成图像、tampered篡改图像或mask掩码）、generator（图像来源或生成模型名称，真实图像为null）、filename（原始图像在数据集分割内的相对路径）和split（数据分割，包括train训练集、validation验证集、test分布外测试集以及masks辅助掩码集）。该数据集适用于图像分类、图像伪造检测、篡改区域定位等计算机视觉任务的研究与评估，采用Creative Commons Attribution 4.0 International License许可发布。
release-prep-2026 is a large-scale image dataset specifically designed for image classification and forgery/tampering detection research. The dataset is organized in Parquet shards, primarily containing image modality data (located in the data/Image/ subdirectory), with reserved Video, Audio, and AV-TH subdirectories to support future multimodal extensions. Each sample includes six fields: image (input image), mask (a binary mask used to identify tampered regions, which may be empty), label (category label, including real for authentic images, full_synthetic for fully synthetic images, tampered for tampered images, or mask for masks), generator (image source or generative model name, null for real images), filename (relative path of the original image within the dataset split), and split (data split, including train for training set, validation for validation set, test for out-of-distribution test set, and masks for auxiliary mask set). The dataset is suitable for research and evaluation in computer vision tasks such as image classification, image forgery detection, and tampered region localization, and is released under the Creative Commons Attribution 4.0 International License.
数据集概述
数据集名称：release-prep-2026
数据集地址：https://huggingface.co/datasets/JamalLee/release-prep-2026
许可证：Creative Commons Attribution 4.0 International (CC BY 4.0)
数据集简介：一个用于图像分类和图像伪造/篡改检测研究的大规模图像数据集，数据以Parquet分片格式打包。
数据字段
| 字段名 | 类型 | 描述 |
|---|---|---|
image |
图像 | 输入的图像 |
mask |
图像 | 可选的篡改区域二值掩码（可能为null） |
label |
字符串 | 类别：real（真实）、full_synthetic（完全合成）、tampered（篡改）或mask（掩码） |
generator |
字符串 | 图像来源/生成模型名称（真实图像为null） |
filename |
字符串 | 原始图像在其源划分中的相对路径 |
split |
字符串 | 数据划分：train、validation、test、masks |
数据划分
- train 和 validation：主要标注集
- test：分布外评估图像
- masks：辅助篡改掩码
数据文件结构
数据存储在 data/ 目录下，按模态子文件夹组织：
data/Image/：图像模态的Parquet分片文件（命名格式{split}-XXXXX-of-YYYYY.parquet）data/Video/、data/Audio/、data/AV-TH/：保留用于未来模态
每个划分对应的数据文件路径：
- 训练集：
data/Image/train-* - 验证集：
data/Image/validation-* - 测试集：
data/Image/test-* - 掩码集：
data/Image/masks-*
使用方式
通过Hugging Face datasets 库加载：
python from datasets import load_dataset ds = load_dataset("JamalLee/release-prep-2026") print(ds)
