/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
ai_vs_human_generated_image_detection
Опубликована
11 фев 2026

ai-human-generated-image-detection

Классификация изображений3 профессии

CapCheck AI vs Human-Generated Image Detection — модель компьютерного зрения, разработанная CapCheck.

2 707скачиваний за 30 дней2лайкавеса 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

Она предназначена для бинарной классификации изображений: определения, является ли изображение созданным человеком или сгенерированным искусственным интеллектом. Модель подходит для модерации контента, проверки визуальной аутентичности, исследовательских и образовательных задач.

В основе лежит Vision Transformer ViT-Base с примерно 86 млн параметров, дообученный на наборе данных с изображениями, созданными человеком и сгенерированными ИИ. Модель принимает изображения размером 224×224 пикселя и может использоваться через библиотеку Transformers и pipeline с задачей image-classification. Поддерживаются метки human и AI-generated. Языковые и дополнительные модальности не заявлены.

К сильным сторонам относятся специализированная классификация изображений и использование более новых обучающих данных по сравнению с исходной моделью, основанной на CIFAKE. Точность может снижаться при анализе изображений от новых генераторов, отсутствовавших в обучающей выборке, а также сильно сжатых изображений; наилучшие результаты ожидаются для изображений с чёткими объектами и разрешением не менее 224×224 пикселей. Результаты не следует использовать для значимых решений без проверки человеком или как единственное основание для правоохранительных доказательств.

Модель распространяется по лицензии Apache 2.0 и основана на google/vit-base-patch16-224-in21k и dima806/ai_vs_human_generated_image_detection, также указанных под Apache 2.0.

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

Нельзя запустить

Не удалось определить, чем загружать веса модели (нет library_name и architectures).

Ревизия весов
67eacdf

0 моделей