/ Модель

Характеристики

Лицензия
MIT
Архитектура
GenD · dense
Базовая модель
dinov3-vitl16-pretrain-lvd1689m
Опубликована
31 авг 2026

GenD_DINOv3_L_FF

Классификация изображенийИзображение → label3 профессии

Модель на базе DINOv3 ViT-L/16 для классификации лицевых изображений и выявления дипфейков.

14скачиваний за 30 дней0лайковвеса обновлены31 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

GenDDINOv3LFF — модель компьютерного зрения для обнаружения поддельных лиц и видео, разработанная на основе метода GenD и дообученная на FaceForensics++ (FF++). Она использует визуальный трансформер DINOv3 ViT-L/16 как замороженную основу: обучаются только параметры Layer Normalization, составляющие около 0,03% параметров, и классификационная голова LinearNorm. В обучении применялись Sharpness-Aware Minimization, сглаживание меток и метрические потери с нормализацией признаков.

Модель предназначена для классификации изображений лиц и анализа видеороликов на предмет манипуляций. В README приведены результаты на видео: AUROC 91,84%, mAP 89,88% и точность 84,91%. Модель принимает изображения и выдаёт класс предсказания; заявленные оценки видео получены в сценарии анализа видео.

Лицензия — MIT. Обучение на FF++ и результаты бенчмарка не гарантируют такую же точность на других наборах данных и реальных сценариях; качество может снижаться при смене источника данных или типа манипуляций.

Сценарии применения

  • проверка изображения лица на признаки дипфейка
  • классификация подлинных и поддельных лицевых кадров
  • анализ кадров видео для выявления манипуляций
  • исследование обобщения детекторов дипфейков на новых данных

Ограничения

Модель обучена на FaceForensics++ и может хуже работать на других источниках видео, типах манипуляций и условиях съёмки. Метрики из README относятся к видео и сами по себе не подтверждают такую же точность на произвольных данных.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

GenD_DINOv3_L_FF

State-of-the-art Deepfake Detection model trained on FaceForensics++ (FF++) based on the GenD framework fine-tuned with Sharpness-Aware Minimization (SAM) and Label Smoothing.

This model uses facebook/dinov3-vitl16-pretrain-lvd1689m as visual foundation backbone and fine-tunes only the Layer Normalization parameters (accounting for only ~0.03% of total parameters) while enforcing a hyperspherical feature manifold through L2-normalization and metric learning (Uniformity & Alignment losses).

📊 Benchmark Results

MetricScore
Video AUROC91.84%
Video mAP89.88%
Video Accuracy84.91%
Video EER15.09%
Frame AUROC86.93%
Frame mAP83.73%
Frame Accuracy80.40%

📌 Model Details

  • Training Dataset: FaceForensics++ (FF++) (FF++)
  • Visual Backbone: facebook/dinov3-vitl16-pretrain-lvd1689m
  • Classification Head: LinearNorm
  • Optimizer: SAM-AdamW (SAM $\rho=0.05$, adaptive=True)
  • Loss Formulation: Cross-Entropy with Label Smoothing (0.1), Uniformity (0.5), Alignment (0.1)
  • Training Epochs: 30
  • Batch Size: 96
  • Precision: bf16-mixed
  • Learning Rate: 0.0003

🚀 Quickstart & Inference

1. Using the Model in Python

import torch
from PIL import Image
from transformers import AutoModel

# Load the model directly from Hugging Face Hub
model = AutoModel.from_pretrained("Ant-One/GenD_DINOv3_L_FF", trust_remote_code=True)
model.eval()

# Preprocess image crop (aligned face)
image = Image.open("path/to/face_crop.png").convert("RGB")
tensor = model.feature_extractor.preprocess(image).unsqueeze(0)

# Run inference
with torch.no_grad():
    logits = model(tensor)
    # Output class 0: Real, Output class 1: Fake
    fake_prob = logits.softmax(dim=-1)[0, 1].item()

print(f"Deepfake Probability: {fake_prob:.2%}")

2. Using with src.hf.modeling_gend

from src.hf.modeling_gend import GenD

model = GenD.from_pretrained("Ant-One/GenD_DINOv3_L_FF")
model.eval()

🏗️ Architecture & Training Methodology

The GenD method achieves superior cross-dataset generalization by avoiding catastrophic overfitting on manipulation-specific artifacts:

  1. Training on FF++: Trained on face crops from FaceForensics++ (FF++).
  2. LayerNorm Tuning: Keeps the visual transformer backbone frozen while updating only normalization scaling and bias terms.
  3. Normalized Linear Head: Normalizes feature vectors onto a hypersphere before linear projection.
  4. SAM Optimization: Smooths the loss landscape to find flat minima that resist out-of-distribution domain shifts.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · image-classification

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
GenD
Ревизия весов
de0503f

0 моделей