ViT_Deepfake_Detection

Wvolf/ViT_Deepfake_Detection — модель классификации изображений на базе Vision Transformer (ViT), обученная Рудольфом Эньимбой в рамках магистерской работы по искусственному интеллекту и науке о данных в Solent University. Она предназначена для выявления дипфейков на изображениях лиц.

Модель содержит 113,2 млн параметров, использует библиотеку Transformers и опубликована в формате PyTorch. В карточке указана точность 98,70% на тестовой выборке; этот результат относится к тестовым данным автора и сам по себе не гарантирует такую же точность на новых изображениях.

Для работы модели требуется изображение лица, а результатом является классификация. Язык в основном относится к карточке модели, а не к входным данным изображения. Условия лицензирования в предоставленных сведениях не указаны.