/ Модель

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
vit · dense
Базовая модель
ai_vs_human_generated_image_detection
Опубликована
11 фев 2026

ai-human-generated-image-detection

Классификация изображенийИзображение → label3 профессии

Дообученная модель ViT определяет, создано ли изображение человеком или сгенерировано ИИ.

596скачиваний за 30 дней3лайкавеса обновлены11 фев 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

CapCheck AI vs Human-Generated Image Detection — модель классификации изображений на базе Vision Transformer (ViT), дообученная на модели dima806/ai_vs_human_generated_image_detection. Она относит изображение к одному из двух классов: созданное человеком или сгенерированное ИИ. В README указаны входной размер 224 × 224 пикселя и обучение на более новом наборе данных, чем CIFAKE; метаданные каталога указывают архитектуру ViTForImageClassification и 113,2 млн параметров.

Модель предназначена для проверки подлинности изображений, модерации контента и исследований детектирования синтетических изображений. По README, качество может снижаться на изображениях от новых генераторов, которых не было в обучающих данных, а сильное JPEG-сжатие ухудшает результаты. Предупреждения модели не следует использовать как единственное основание для важных решений или доказательств.

Модель распространяется по лицензии Apache 2.0. README описывает её как разработку CapCheck на основе работы dima806; метаданные указывают базовую модель dima806/ai_vs_human_generated_image_detection.

Сценарии применения

  • проверка изображений на генерацию ИИ
  • предварительная модерация изображений
  • проверка происхождения визуального контента
  • анализ изображений для исследований детектирования ИИ

Ограничения

Точность может снижаться на изображениях от новых генераторов, отсутствовавших в обучающих данных, и на сильно сжатых JPEG. Результаты не следует использовать без проверки человеком для важных решений или как единственное доказательство.

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

CapCheck AI vs Human-Generated Image Detection

Vision Transformer (ViT) fine-tuned for detecting AI-generated images. Uses newer training data than the original CIFAKE-based model.

Model Lineage & Attribution

This model builds on the work of others:

LayerModelAuthorLicense
Base Architecturegoogle/vit-base-patch16-224-in21kGoogleApache 2.0
AI Detection Fine-tunedima806/ai_vs_human_generated_image_detectiondima806Apache 2.0
This Modelcapcheck/ai-human-generated-image-detectionCapCheckApache 2.0

Special thanks to:

  • Google for the Vision Transformer (ViT) architecture
  • dima806 for fine-tuning on AI vs human-generated image datasets

Model Description

  • Architecture: ViT-Base (86M parameters)
  • Input Size: 224x224 pixels
  • Training Data: AI-generated vs human-created images (newer dataset than CIFAKE)
  • Task: Binary classification (human vs AI-generated)

Usage

from transformers import pipeline

detector = pipeline("image-classification", model="capcheck/ai-human-generated-image-detection")
result = detector("path/to/image.jpg")

# Output:
# [{"label": "AI-generated", "score": 0.95}, {"label": "human", "score": 0.05}]

Labels

LabelDescription
humanAuthentic photograph or human-created image
AI-generatedAI-generated or synthetically created image

Comparison with capcheck/ai-image-detection

Featureai-image-detectionai-human-generated-image-detection
Sourcedima806/ai_vs_real_image_detectiondima806/ai_vs_human_generated_image_detection
Training DataCIFAKE datasetNewer AI vs human dataset
LabelsREAL / FAKEhuman / AI-generated
Handleai-image-detectionai-human-generated-image-detection

Limitations

  • May have reduced accuracy on very new AI generators not in training data
  • Heavily compressed images (low JPEG quality) can affect results
  • Works best on images with clear subjects (224x224+ pixels)

Intended Use

  • Content moderation and authenticity verification
  • Research into AI-generated content detection
  • Educational purposes

Not intended for:

  • Making consequential decisions without human review
  • Law enforcement evidence without corroborating sources

License

Apache 2.0 (inherited from Google ViT and dima806's fine-tuned model)

Citation

@misc{capcheck-ai-human-generated-detection,
  author = {CapCheck},
  title = {AI vs Human-Generated Image Detection Model},
  year = {2025},
  publisher = {HuggingFace},
  url = {https://huggingface.co/capcheck/ai-human-generated-image-detection},
  note = {Based on dima806/ai_vs_human_generated_image_detection, fine-tuned from google/vit-base-patch16-224-in21k}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · image-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
ViTForImageClassification
Ревизия весов
67eacdf

0 моделей