随着3D神经渲染技术的快速落地，以3D高斯泼溅（3DGS）为代表的高效3D内容生成方案，已被广泛应用于元宇宙场景构建、工业数字孪生建模、影视特效制作、自动驾驶仿真测试等多个领域，但其极低的3D内容修改门槛也带来了全新的内容安全风险：恶意篡改的3D场景可能会诱导数字孪生决策失误、造成虚拟资产确权纠纷，甚至成为虚假信息传播的新载体。但此前全球范围内面向3D内容伪造检测的标准化基准数据集供给严重不足，大部分检测技术仍基于2D内容训练，难以适配3D空间特有的几何、空间布局篡改特征，极大限制了3D内容可信体系的建设进程。
在此背景下，摩德纳和雷焦艾米利亚大学近期正式发布Fake3DGS基准数据集，作为全球首批面向3D高斯泼溅场景的伪造检测专项数据集，Fake3DGS由该校计算机视觉团队构建完成，总计包含41,000条经过几何、外观和空间布局三类维度操控的3D高斯泼溅场景及其渲染视图。所有样本均源自公开的UCO3D基础场景库，研究团队通过GaussCtrl和Instruct-GS2GS两种业内主流的3DGS编辑方法生成高逼真度的篡改样本，同时采用行业通用的量化压缩技术，将原始7TB的全量数据缩减至200GB，大幅降低了研究人员的下载和使用门槛。该数据集已于2026年4月30日首发于学术预印本平台arXiv，面向全球研究人员开放使用。
从应用价值来看，Fake3DGS的核心定位是解决当前3D神经渲染内容真实性评估缺乏统一测试标准的痛点，可为3D-aware取证技术提供标准化测试平台。未来该数据集可落地的典型场景包括：元宇宙平台的3D内容合规审核，快速识别虚拟场景、数字藏品的恶意篡改痕迹；工业数字孪生场景的可信校验，避免因3D模型被伪造导致的生产调度决策失误；学术及工业界的3D伪造检测算法测评，帮助研发人员统一校验多视图一致性分析、3D空间特征提取等核心技术的准确率，推动全行业3D伪造检测算法的迭代升级。
从数据要素产业发展的角度来看，垂直领域的AI训练基准数据集是人工智能技术创新的核心生产资料，Fake3DGS的发布不仅填补了3D内容安全领域的专项数据供给缺口，也为全球3D内容可信流通体系的建设提供了重要的基础支撑，对于完善3D生成内容的监管技术体系、推动数字经济领域的可信内容生态建设都具有重要的探索意义。
详情页内容：
_1769672084863.jpg)