ForgeryNet 是一个面向数字伪造分析的大规模基准数据集，由 Yinan He、Bei Gan、Siyu Chen、Yichun Zhou、Guojun Yin、Luchuan Song、Lu Sheng、Jing Shao、Ziwei Liu 等人构建。其背景是真实感合成技术的快速发展使真实图像与操纵图像之间的边界日益模糊，基准测试与推进数字伪造分析成为紧迫问题，而现有人脸伪造数据集要么多样性有限，要么仅支持粗粒度分析。
用途方面，ForgeryNet 主要用于人脸伪造检测与分析的基准测试和研究。
主要能力方面，该数据集规模为 290 万张图像和 221,247 个视频，包含来自全球的 7 种图像级方法和 8 种视频级方法操纵。每个视频和图像都关联有其标签。数据集在图像和视频级数据中具有统一注释，跨越四个任务，已明确提及的包括：1）图像伪造分类，涵盖双向（真/假）、三向（真/假、带有身份替换的伪造方法/带有身份保留的伪造方法）和 n 向（真实和 15 种各自伪造方法）分类；2）空间伪造定位，将伪造图像的操纵区域与其相应的源真实图像进行分割。
使用方式方面，数据集提供下载。页面列出多个文件：Training.tar、Validation.tar、public_test_images.tar、public_test_videos.tar，并附有 MD5 校验值。下载训练集后需使用命令 cat Training.tar.* >> Training.tar 合并。标签列表可点击“Download * List”下载，数据集可点击“Download * Set”下载。若可访问 Google Drive，也提供其他下载方式。
适用场景方面，适用于需要大规模、多任务、统一标注的人脸伪造检测与分析的学术研究与基准评测。
限制方面，官方资料未提供关于收费、价格、平台支持、具体使用步骤或效果指标的更多说明，暂未提供。
