/ Модель

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
vit · dense
Базовая модель
vit-base-patch16-224-in21k
Опубликована
14 окт 2023

deepfake_vs_real_image_detection

Классификация изображенийИзображение → label5 профессий

Дообученный Vision Transformer классифицирует изображения как реальные или созданные ИИ.

53 213скачиваний за 30 дней60лайковвеса обновлены4 янв 2025

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

Модель dima806/deepfake_vs_real_image_detection — дообученный Vision Transformer для классификации изображений на реальные и созданные искусственным интеллектом. Она основана на google/vit-base-patch16-224-in21k, содержит 113,2 млн параметров и доступна в форматах PyTorch и Safetensors. Модель предназначена для проверки подлинности изображений и выявления AI-генерации.

В карточке приведён отчёт об оценке на наборе из 76 161 изображений: точность составила 99,27%. Эти результаты относятся к данным, на которых проводилась оценка, и не гарантируют такую же точность на новых изображениях. Разработчик предупреждает, что обучающий набор был собран примерно за три года до публикации карточки и с тех пор качество генерации изображений заметно выросло, поэтому возможен сдвиг данных; для актуального применения рекомендуется переобучение на свежих размеченных примерах. Лицензия — Apache-2.0.

Сценарии применения

  • проверка, создано ли изображение генеративной моделью
  • первичная сортировка изображений по признаку подлинности
  • анализ коллекций изображений на возможные AI-фейки

Ограничения

Модель обучена на данных, собранных примерно за три года до публикации карточки, поэтому новые методы генерации могут снижать её точность. Для актуального применения разработчик рекомендует переобучить её на свежих размеченных данных; приведённые метрики не гарантируют качество на современных изображениях.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Checks whether an image is real or fake (AI-generated).

Note to users who want to use this model in production

Beware that this model is trained on a dataset collected about 3 years ago. Since then, there is a remarkable progress in generating deepfake images with common AI tools, resulting in a significant concept drift. To mitigate that, I urge you to retrain the model using the latest available labeled data. As a quick-fix approach, simple reducing the threshold (say from default 0.5 to 0.1 or even 0.01) of labelling image as a fake may suffice. However, you will do that at your own risk, and retraining the model is the better way of handling the concept drift.

See https://www.kaggle.com/code/dima806/deepfake-vs-real-faces-detection-vit for more details.

Classification report:

              precision    recall  f1-score   support

        Real     0.9921    0.9933    0.9927     38080
        Fake     0.9933    0.9921    0.9927     38081

    accuracy                         0.9927     76161
   macro avg     0.9927    0.9927    0.9927     76161
weighted avg     0.9927    0.9927    0.9927     76161

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
29e4cf9

0 моделей