FaceForensics++_C23数据集介绍与下载

下载地址：夸克网盘

20261013-013846

一、数据集简介

FaceForensics++（简称 FF++）是由德国慕尼黑工业大学（TUM）视觉计算与人工智能实验室于 2019 年发布的大规模人脸伪造视频数据集，是目前深度伪造（Deepfake）检测领域最具影响力的基准数据集之一。该数据集相关论文《FaceForensics++: Learning to Detect Manipulated Facial Images》发表于 ICCV 2019。

FaceForensics++ 在原始 FaceForensics 数据集基础上进行了扩展，提供了四种主流人脸伪造方法生成的篡改视频，并针对视频压缩带来的检测难度，发布了三种不同压缩质量等级的版本：

Raw（原始视频，未压缩）
C23（H.264 压缩，恒定速率因子 CRF=23，轻度压缩）
C40（H.264 压缩，CRF=40，重度压缩）

其中 C23 是学术界使用最广泛的版本，在检测精度与存储成本之间取得了良好平衡，绝大多数 Deepfake 检测论文都以 C23 作为主实验数据集。

二、数据集构成

2.1 真实视频（Original）

来源：YouTube 上下载的 1000 段真实人脸视频。
内容：以人物面部为中心，涵盖不同性别、年龄、肤色与表情。
每段视频时长约 10 秒，帧率 30fps，原始分辨率多为 1920×1080 或 1280×720。

2.2 伪造视频（Manipulated）

基于上述 1000 段真实视频，使用四种伪造方法各生成 1000 段伪造视频，共 4000 段伪造视频：

伪造方法	类型	说明
Deepfakes (DF)	身份替换	基于自编码器的人脸替换
Face2Face (F2F)	表情重演	将源人脸表情迁移到目标人脸
FaceSwap (FS)	身份替换	基于图形学的换脸
NeuralTextures (NT)	表情重演	基于神经纹理的表情操控

此外，数据集还额外提供了 DeepFakeDetection (DFD) 子集（来自 Google/Jigsaw），以及 FaceShifter 和 DeepFakeDetection 等扩展方法。

2.3 C23 版本特点

压缩方式：H.264 编码，CRF=23。
文件格式：MP4。
用途：模拟社交网络（如微信、微博、YouTube）轻度压缩后的传播场景，贴近真实应用。
规模：约 1.5M 帧图像，总体积约 数十 GB（完整版约 100+ GB，仅 C23 部分视下载方式而定）。
划分：官方提供 train / val / test 划分（720 / 140 / 140 个原始视频 ID），伪造视频与真实视频对应同一 ID 划分。

三、数据集下载

3.1 官方获取方式

FaceForensics++ 受版权与伦理限制，不提供公开直链，需通过官方渠道申请：

访问官方网站：https://github.com/ondyari/FaceForensics
填写申请表（姓名、机构、邮箱、用途等）。
签署使用协议（仅限科研用途）。
审核通过后，官方会通过邮件发送下载脚本与解压密码。

3.2 下载脚本示例

官方提供 Python 下载脚本，主要流程如下：

# 克隆官方仓库
git clone https://github.com/ondyari/FaceForensics.git
cd FaceForensics

# 下载 C23 视频（需替换为官方提供的服务器地址与密码）
python download-FaceForensics.py <output_path> \
    -d all \
    -c c23 \
    -t videos \
    -p <password>

参数说明：

-d：伪造方法（all / DeepFakes / Face2Face / FaceSwap / NeuralTextures）
-c：压缩级别（raw / c23 / c40）
-t：数据类型（videos / frames / masks）
-p：官方邮件提供的解压密码

3.3 下载注意事项

仅限科研用途，禁止商业使用与二次分发。
C23 完整视频约 数十 GB，建议预留足够磁盘空间。
若只需帧图像，可下载 frames 版本，但体积更大。
国内下载速度较慢，可考虑使用学术加速或镜像（注意遵守协议）。

四、典型使用方法

4.1 加载视频对

import cv2
import os

real_path = "original_sequences/youtube/c23/videos/000.mp4"
fake_path = "manipulated_sequences/DeepFakes/c23/videos/000_003.mp4"

cap_real = cv2.VideoCapture(real_path)
cap_fake = cv2.VideoCapture(fake_path)

while True:
    ret1, frame_real = cap_real.read()
    ret2, frame_fake = cap_fake.read()
    if not (ret1 and ret2):
        break
    # frame_real, frame_fake 可用于训练检测模型

4.2 常用评估指标

准确率（Accuracy）
AUC
帧级 / 视频级检测精度
跨伪造方法泛化能力（Cross-manipulation）

五、常见问题

Q1：C23 与 C40 有什么区别？
C23 压缩程度轻、画质较高，检测相对容易；C40 压缩严重，检测难度大，常用于评估模型鲁棒性。

Q2：能否只下载部分数据？
可以，官方脚本支持按伪造方法和压缩级别选择性下载。

Q3：数据集是否包含音频？
不包含，FF++ 仅提供视频帧，音频被移除。

Q4：能否用于商业产品？
不可以，仅限非商业科研用途。

六、总结

FaceForensics++ C23 是深度伪造检测领域最经典、最常用的基准数据集之一。它提供了 1000 段真实视频与 4000 段四种方法生成的伪造视频，并以 H.264 CRF=23 压缩模拟真实传播场景。尽管申请流程相对繁琐，但其规范的划分、丰富的标注和广泛的学术认可，使其成为 Deepfake 检测研究不可绕过的基石数据集。

参考文献

Rössler et al. FaceForensics++: Learning to Detect Manipulated Facial Images. ICCV 2019.
官方仓库：https://github.com/ondyari/FaceForensics

posted @ 2026-10-13 01:34 sherlock-merlin 阅读(64) 评论(0) 收藏举报

刷新页面返回顶部