/ Модель

Характеристики

Параметры
403 млн
Лицензия
Своя лицензия
Архитектура
dinov3_vit · dense
Базовая модель
dinov3-vitl16-pretrain-lvd1689m
Библиотека
transformers
Опубликована
15 июл 2026

FiSeR-DINOv3-ViT-L16

Эмбеддинги изображенийИзображение → embedding3 профессии

Дообученный визуальный энкодер DINOv3 извлекает признаки изображений для построения классификатора естественных и синтетических изображений.

293скачиваний за 30 дней0лайковвеса обновлены15 июл 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

FiSeR DINOv3 ViT-L/16 — визуальный энкодер, дообученный командой FiSeR с помощью иерархического supervised contrastive learning на обучающей части WildFake. Модель основана на facebook/dinov3-vitl16-pretrain-lvd1689m и содержит 402,7 млн параметров; веса сохранены в формате safetensors. Она принимает изображение и выдаёт 1024-мерное представление CLS для дальнейшей обработки.

Сценарии применения

  • извлечение признаков изображений для компьютерного зрения
  • построение классификатора естественных и сгенерированных изображений
  • обнаружение изображений, созданных генеративными моделями
  • обучение классификатора на признаках с помощью kNN, прототипов, линейной модели или SVM

Ограничения

Модель обучалась на обучающей части WildFake и может быть чувствительна к составу данных, постобработке изображений и семействам генераторов, отсутствовавшим в этом наборе. Выпущен только backbone: для бинарного решения о естественном или синтетическом происхождении изображения нужно подключить классификационную голову.

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

FiSeR DINOv3 ViT-L/16

This model is the image encoder trained by FiSeR with hierarchical supervised contrastive learning. It outputs a 1024-dimensional CLS representation. The released model is a backbone; attach a kNN, prototype, linear, or SVM head for the binary natural/synthetic decision described in the paper.

The released weights correspond to the wild_model19.pth checkpoint from zero-indexed epoch 19 (the 20th and final training epoch). The training-only source-center parameter is omitted from this backbone export.

Paper: arXiv:2606.00606
Code: heyongxin233/FiSeR

Usage

from transformers import AutoImageProcessor, AutoModel
import torch

model_id = "heyongxin233/FiSeR-DINOv3-ViT-L16"
processor = AutoImageProcessor.from_pretrained(model_id)
model = AutoModel.from_pretrained(model_id)
image = ...  # PIL.Image.Image
inputs = processor(images=image, return_tensors="pt")
with torch.inference_mode():
    features = model(**inputs).last_hidden_state[:, 0]

Use the FiSeR repository's evaluate.py to reproduce the paper's GPU-FAISS retrieval protocol. The published safetensors SHA-256 is 3bfda6c3040fe22f8fe82588bd4c8506572a6844a04c15bb5c8feebbbd9e11a5.

The fixed-layer direct-transfer average is 98.23 AUROC / 93.43 TPR@5% FPR over WildFake, Community Forensics, AIGIBench, Chameleon, and GenImage. Refer to the repository for dataset revisions and the exact per-dataset protocol. This checkpoint must not be used as a substitute for content provenance, safety review, or human moderation.

Training data and limitations

The model was trained on the WildFake training split. It can be sensitive to dataset composition, image post-processing, and generator families absent from WildFake. Dataset and DINOv3 licensing terms remain applicable.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · image-feature-extraction

Можно запустить

Подбираем GPU…

Класс архитектуры
DINOv3ViTModel
Ревизия весов
0c7bac7

0 моделей