Ivy-Fake

Dataset multimodal rassemblant images et vidéos annotées pour la détection d’artéfacts synthétiques liés à la génération IA, avec explications détaillées.

Télécharger le dataset

Taille

Plus de 150 000 échantillons d’entraînement (images et vidéos), 18 700 échantillons d’évaluation, annotations fines

Licence

Apache 2.0

Description

‍

Ivy-Fake est un dataset multimodal unique comprenant plus de 150 000 exemples d’images et de vidéos synthétiques et réelles, annotées avec des labels binaires (réel/faux) et des explications détaillées. Il vise à permettre la détection automatisée et explicable de contenu généré par IA (AIGC), en analysant à la fois des artéfacts spatiaux et temporels.

‍

À quoi sert ce dataset ?

‍

Entraîner des modèles de vision et langage pour détecter le contenu synthétique multimodal
Développer des systèmes d’explicabilité pour comprendre les décisions des modèles
Améliorer la robustesse des systèmes de détection face aux contenus générés par IA

‍

Peut-on l’enrichir ou l’améliorer ?

‍

Ce dataset peut être enrichi par l’ajout de nouvelles classes de contenus synthétiques, ou par la création d’annotations supplémentaires détaillant davantage les types d’artéfacts observés. L’intégration de données issues d’autres sources multimodales peut aussi augmenter sa diversité et sa pertinence.

‍

🔎 En résumé

Critère	Évaluation
🧩 Facilité d’utilisation	⭐⭐⭐✩✩ (Nécessite un environnement adapté pour multimodal)
🧼 Besoin de nettoyage	⭐⭐⭐✩✩ (Modéré – gestion des formats vidéo/image et annotations)
🏷️ Richesse des annotations	⭐⭐⭐⭐⭐ (Très riche – annotations fines spatiales, temporelles et textuelles)
📜 Licence commerciale	✅ Oui (Apache 2.0)
👨‍💻 Idéal pour les débutants	⚠️ Moyennement – convient à des utilisateurs avec expérience multimodale
🔁 Réutilisable en fine-tuning	🎯 Excellent – adapté aux tâches avancées de détection AIGC
🌍 Diversité culturelle	⚠️ Modérée – contenu principalement technologique