Deepfake Generation and Detection: A Benchmark and Survey

除了深度伪造技术的进步之外，相应的检测技术需要不断发展以规范深度伪造的潜在滥用，例如侵犯隐私和网络钓鱼攻击。本文全面回顾了深度伪造生成和检测的最新进展，总结和分析了这个快速发展领域的现状。我们首先统一任务定义，全面介绍数据集和评估指标，并讨论生成和检测技术框架的发展。然后，我们讨论了几个相关子领域的发展，并重点研究了四个主流深度伪造领域：流行的脸部交换、面部再现、说话脸生成和面部属性编辑，以及外文检测。随后，我们全面评估了每个领域的代表性方法在流行数据集上的表现，充分评估了发表在顶级会议/期刊上的最新和有影响力的作品。最后，我们分析了讨论领域的挑战和未来研究方向。我们紧密关注 https://github.com/flyingby/Awesome-Deepfake-Generation-and-Detection 的最新进展。

本论文旨在综述深度伪造技术的最新进展及其检测技术，以规范深度伪造的潜在滥用，如侵犯隐私和网络钓鱼攻击。

论文介绍了深度伪造技术的最新发展和检测方法，并针对面部交换、面部再现、说话人生成和面部属性编辑等四个主流深度伪造领域进行了深入研究和综述。

论文统一了任务定义，全面介绍了数据集和度量标准，讨论了生成和检测技术框架的发展。论文还对代表性方法进行了全面基准测试，评估了在每个领域中发表的最新和有影响力的作品。

在这个领域中，还有一些相关的研究，如“Deep Video Portraits”、“Few-Shot Adversarial Learning of Realistic Neural Talking Head Models”和“Deep Video-Based Performance Cloning”。