/ Модель

Характеристики

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

video-deepfake-detection-GenD_DINOv3_L_FF

Классификация изображенийИзображение → label3 профессии

Модель классифицирует изображения лиц, чтобы выявлять признаки дипфейков в видео.

86скачиваний 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

HoopitAI разработала модель GenD для выявления дипфейков в видео. Она классифицирует изображения лиц по кадрам; для этого использует визуальный ViT-L из DINOv3 и классификационную голову LinearNorm. Модель обучена на FaceForensics++ и дообучает только параметры LayerNorm базовой модели, применяя нормализацию признаков, metric learning, Sharpness-Aware Minimization и сглаживание меток.

В README приведены результаты на видео: AUROC 91,84%, mAP 89,88% и accuracy 84,91%. Модель рассчитана на анализ кадров с лицами и может использоваться как компонент конвейера проверки видео. Это дообучение facebook/dinov3-vitl16-pretrain-lvd1689m; веса опубликованы в формате safetensors. Лицензия — MIT.

Сценарии применения

  • проверка кадров видео на подмену лица
  • классификация лиц в видео как подлинных или сгенерированных
  • скрининг видеоматериалов для последующей экспертной проверки

Ограничения

Обучение проводилось на FaceForensics++, поэтому качество на других наборах данных и новых способах подделки может отличаться; метрики из README не гарантируют точность на конкретных видео. Модель классифицирует изображения кадров, поэтому для оценки видео требуется отдельная обработка кадров и агрегация результатов.

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

Video Deepfake Detection — video-deepfake-detection-GenD_DINOv3_L_FF

State-of-the-art Video 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("HoopitAI/video-deepfake-detection-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("HoopitAI/video-deepfake-detection-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
c0b6ef7

0 моделей