/ Модель

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
vit · dense
Библиотека
transformers
Опубликована
3 авг 2024

AI-Anime-Image-Detector-ViT

Классификация изображенийИзображение → label3 профессии

Классификатор ViT для выявления изображений в аниме-стиле, сгенерированных ИИ, и отличия их от созданных людьми.

157скачиваний за 30 дней13лайковвеса обновлены30 авг 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

AI Anime Image Detector ViT — модель компьютерного зрения автора репозитория legekkа для определения изображений в аниме-стиле, созданных ИИ. Это классификатор на базе Vision Transformer (ViT) с архитектурой ViTForImageClassification и примерно 113,2 млн параметров; веса опубликованы в формате safetensors и предназначены для использования с Transformers.

Модель обучали различать созданные людьми и сгенерированные ИИ аниме-изображения. В обучающем наборе использовались 1 млн изображений, созданных людьми, и 217 тыс. изображений ИИ; типы изображений предъявлялись в равных количествах. Проверка проводилась на 500 изображениях каждого типа. Автор отмечает, что обучение использовало изображения размером 512×512, а случайные обрезки могли помочь обобщению.

Модель подходит для предварительной классификации аниме-иллюстраций по происхождению и исследовательских сравнений детекторов ИИ-изображений. Это доказательство концепции, поэтому результаты следует проверять на целевых данных: качество на иных разрешениях, стилях и генераторах может отличаться. Лицензия — Apache-2.0.

Сценарии применения

  • Проверка аниме-иллюстрации на генерацию ИИ
  • Предварительная сортировка аниме-изображений по происхождению
  • Классификация изображений для набора данных с метками «создано человеком» и «создано ИИ»
  • Сравнение детекторов ИИ-изображений на аниме-материалах

Ограничения

Это доказательство концепции, обученное на аниме-изображениях 512×512; результаты на других стилях, разрешениях и генераторах могут отличаться. Оценка автора ограничена тестовыми наборами по 500 изображений каждого класса.

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

AI Anime Image Detector ViT

This is a proof of concept model for detecting anime style AI images. Using Vision Transformer, it was trained on 1M human-made real and 217K AI generated anime images. During training either type appeared in equal amount to avoid biases. The model was trained on a single RTX 3090 GPU for about 40 hours, ~35 epochs.

The training logs are available on my wandb.

Evaluation

Each checkpoint was evaluated on 500-500 real and AI images.

Final result:

  • Training Loss: 0.1009
  • Eval Loss: 0.1386

It seems like using random crops helped the model to generalize better, however, the training dataset only contained 512x512 images, which meant that every cropped image had bilinear interpolation. Training the model on 1024x1024 images could probably further improve its performance. (Maybe I'll do it later)

Performance comparison

We did a small eval test with ~5000 images on the current available AI image detectors. Note that these models were not specificly trained on anime images.

ModelAccuracy
dima806/ai_vs_real_image_detection35,97%
Organika/sdxl-detector43,29%
Nahrawy/AIorNot64,74%
jacoballessio/ai-image-detect-distilled68,94%
umm-maybe/AI-image-detector75,45%
mmanikanta/VIT_AI_image_detector79,65%
legekka/AI-Anime-Image-Detector-HD-ViT WIP94,26%
legekka/AI-Anime-Image-Detector-ViT (Ours)94,68%

Usage

Example inference code:

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

model = AutoModelForImageClassification.from_pretrained("legekka/AI-Anime-Image-Detector-ViT")
feature_extractor = AutoFeatureExtractor.from_pretrained("legekka/AI-Anime-Image-Detector-ViT")

model.eval()

image = Image.open("example.jpg")
inputs = feature_extractor(images=image, return_tensors="pt")

outputs = model(**inputs)
logits = outputs.logits

label = model.config.id2label[torch.argmax(logits).item()]
confidence = torch.nn.functional.softmax(logits, dim=1)[0][torch.argmax(logits)].item()

print(f"Prediction: {label} ({round(confidence * 100)}%)")

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
f78293f

0 моделей