/ Модель

Характеристики

Параметры
18,9 млн
Лицензия
MIT
Архитектура
vit · dense
Библиотека
transformers
Опубликована
1 июл 2024

ai-image-detect-distilled

Классификация изображенийИзображение → label4 профессии

Компактный ViT-классификатор оценивает, создано ли изображение генеративной моделью или является реальным.

258скачиваний за 30 дней6лайковвеса обновлены3 июл 2024

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

jacoballessio/ai-image-detect-distilled — модель классификации изображений, разработанная для распознавания изображений, созданных генеративными моделями, и отличия их от реальных фотографий. Это компактная модель на базе Vision Transformer (ViT), обученная дистилляцией трёх моделей, распознававших изображения Midjourney, Stable Diffusion и его дообученных версий. В метаданных указано 18,9 млн параметров; в README указано 11,8 млн, поэтому размер модели описан без точного числа.

Для обучения использовались изображения из Google Open Images, наборы Midjourney и Stable Diffusion, а также пары реальных и сгенерированных изображений, подобранные по сходным описаниям BLIP. Модель предназначена для проверки происхождения изображений и первичной фильтрации контента, который может быть создан ИИ. По данным карточки, точность составила 74% на валидационном наборе и 72% на пользовательском наборе реальных изображений; качество может снижаться на изображениях, отличающихся от обучающих данных или созданных новыми генераторами. Распространяется по лицензии MIT.

Сценарии применения

  • проверка, создано ли изображение Midjourney
  • обнаружение изображений Stable Diffusion
  • предварительная фильтрация изображений, вероятно созданных ИИ
  • сравнение происхождения реальных и сгенерированных изображений

Ограничения

Точность в README указана на уровне 74% на валидационном наборе и 72% на пользовательском наборе; эти результаты не гарантируют надёжность для изображений от новых генераторов или из иных доменов. README отмечает заметное падение качества на реальных интернет-изображениях и необходимость расширять данные и проводить анализ ошибок.

Для каких профессий подходит4

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

AI Detection Model

Model Architecture and Training

Three separate models were initially trained:

  1. Midjourney vs. Real Images
  2. Stable Diffusion vs. Real Images
  3. Stable Diffusion Fine-tunings vs. Real Images

Data preparation process:

  • Used Google's Open Image Dataset for real images
  • Described real images using BLIP (Bootstrapping Language-Image Pre-training)
  • Generated Stable Diffusion images using BLIP descriptions
  • Found similar Midjourney images based on BLIP descriptions

This approach ensured real and AI-generated images were as similar as possible, differing only in their origin.

The three models were then distilled into a small ViT model with 11.8 Million Parameters, combining their learned features for more efficient detection.

Data Sources

  • Google's Open Image Dataset: link
  • Ivan Sivkov's Midjourney Dataset: link
  • TANREI(NAMA)'s Stable Diffusion Prompts Dataset: link

Performance

  • Validation Set: 74% accuracy

    • Held out from training data to assess generalization
  • Custom Real-World Set: 72% accuracy

    • Composed of self-captured images and online-sourced images
    • Designed to be more representative of internet-based images
  • Comparative Analysis:

    • Outperformed other popular AI detection models by 5 percentage points on both sets
    • Other models achieved 89% and 79% on validation and real-world sets respectively

Key Insights

  1. Strong generalization on validation data (75% accuracy)
  2. Good adaptability to diverse, real-world images (72% accuracy)
  3. Consistent outperformance of other popular models
  4. 10-point accuracy drop from validation to real-world set indicates room for improvement
  5. Comprehensive training on multiple AI generation techniques contributes to model versatility
  6. Focus on subtle differences in image generation rather than content disparities

Future Directions

  • Expand dataset with more diverse, real-world examples to bridge the performance gap
  • Improve generalization to internet-sourced images
  • Conduct error analysis on misclassified samples to identify patterns
  • Integrate new AI image generation techniques as they emerge
  • Consider fine-tuning for specific domains where detection accuracy is critical

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · image-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
ViTForImageClassification
Ревизия весов
4098d40

0 моделей