/ Модель

Характеристики

Параметры
113 млн
Лицензия
MIT
Архитектура
vit · dense
Опубликована
30 мая 2026

steganograph-ia-detector

Классификация изображенийИзображение → label3 профессии

Дообученный ViT классифицирует изображения как реальные фотографии или созданные ИИ для анализа происхождения визуального контента.

602скачиваний за 30 дней0лайковвеса обновлены30 мая 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

delpot/steganograph-ia-detector — дообученный Vision Transformer (ViT), разработанный в рамках проекта SteganographIA (MIAGE TPI), для бинарной классификации изображений на реальные фотографии и изображения, созданные ИИ. Модель содержит 113,2 млн параметров и обучена на наборе Defactify; в описании указана проверка на сбалансированной тестовой выборке из 15 000 изображений. Среди генераторов в обучении названы Stable Diffusion 2.1, SDXL, Stable Diffusion 3, DALL·E 3 и Midjourney v6.

На тестовой выборке точность составила 0,923. Модель редко помечает реальные фотографии как сгенерированные ИИ: доля ложноположительных срабатываний указана как 1,4%; при этом она пропускает около 14% изображений, созданных ИИ. Изображения перед классификацией масштабируются до 224×224 пикселей, поэтому детали, заметные только в высоком разрешении, могут теряться. Качество на генераторах, не представленных в обучении, включая Flux и новые модели, не гарантировано. Лицензия — MIT.

Сценарии применения

  • проверка, создано ли изображение генеративным ИИ
  • предварительная сортировка изображений для проверки человеком
  • анализ происхождения изображений в исследовательских наборах данных

Ограничения

Обобщение на генераторы, не представленные в обучении, не гарантировано; модель пропускает около 14% ИИ-изображений и уменьшает вход до 224×224 пикселей.

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

steganograph-ia-detector

Fine-tuned Vision Transformer (ViT) for AI-generated image detection.

This model is a binary classifier trained to distinguish real photographs from images generated by modern AI models (Stable Diffusion 2.1 / XL / 3, DALL-E 3, Midjourney v6).

Part of the SteganographIA project (MIAGE TPI).

Performance on the test set (15,000 balanced images)

MetricValue
Accuracy0.923
Real precision / recall0.88 / 0.99
AI precision / recall0.98 / 0.86

The model is conservative: it almost never accuses a real image of being AI-generated (1.4% false positive rate), but misses ~14% of AI images by classifying them as real.

Training details

  • Base model: google/vit-base-patch16-224
  • Dataset: Rajarshi-Roy-research/Defactify_Image_Dataset (Defactify Challenge @ AAAI), rebalanced 50/50 by undersampling the AI class stratified across the 5 generators.
  • Train / Val / Test split: 14,000 / 3,000 / 15,000 images.
  • Optimizer: AdamW
  • Learning rate: 2e-5
  • Batch size: 16
  • Epochs: 3
  • Mixed precision (fp16) on a single Tesla T4 GPU.
  • Training time: ~16 minutes.

How to use

from transformers import AutoImageProcessor, AutoModelForImageClassification
from PIL import Image
import torch

processor = AutoImageProcessor.from_pretrained("delpot/steganograph-ia-detector")
model = AutoModelForImageClassification.from_pretrained("delpot/steganograph-ia-detector")

image = Image.open("path/to/image.jpg").convert("RGB")
inputs = processor(image, return_tensors="pt")

with torch.no_grad():
    logits = model(**inputs).logits

predicted = logits.argmax(-1).item()
print(model.config.id2label[predicted])

Limitations

  • Trained on Defactify only. Generalization to other generators (notably Midjourney V1/V2, Flux, or future models not yet released) is not guaranteed.
  • Lower recall on the AI class: ~14% of AI-generated images are classified as real. For stricter use cases (e.g. moderation of AI content), the decision threshold could be adjusted.
  • Input images are resized to 224x224, so very high-resolution artifacts may be lost.

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
b395557

0 моделей