Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: vit · dense
Опубликована: 26 сен 2026

Ссылки

claim-photo-integrity-detector-v2

Классификация изображенийИзображение → label

ViT-классификатор для первичной проверки фотографий страховых заявок на признаки генерации ИИ с последующей оценкой человеком.

3 219скачиваний за 30 дней0лайковвеса обновлены8 окт 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

Claim Photo Integrity Detector v2 — модель классификации изображений, разработанная obuladinnesai для первичной проверки фотографий, поданных по страховым заявкам. Она предназначена для выявления изображений, похожих на сгенерированные ИИ, и помогает направлять сомнительные снимки на проверку человеком. Модель основана на Vision Transformer (ViT), содержит 113,2 млн параметров и распространяется в формате Safetensors; для запуска в Transformers используется pipeline image-classification.

При дообучении v1 использовались обычные фотографии из Open Images V7, снимки с естественными искажениями из KonIQ-10k и фотографии с телефонов. Аугментации с JPEG-пересжатием, шумом, размытием и изменением яркости и контраста призваны снизить риск ошибочно помечать обычные фотографии как созданные ИИ. Модель выпущена под лицензией Apache-2.0.

Результат служит сигналом для сортировки заявок и не является доказательством мошенничества. Точность может снижаться на изображениях от генераторов, появившихся после обучающих данных. README направляет пользователей, которым нужна локализация подделок и тепловые карты для фотографий автомобильных повреждений, к отдельной модели Car Damage Photo Integrity v9; эти возможности не заявлены для данного чекпойнта.

Сценарии применения

первичная проверка фото в страховых заявках на признаки генерации ИИ
сортировка снимков для ручной проверки специалистом
снижение ложных подозрений на обычные телефонные фото с шумом, размытием или плохим освещением

Ограничения

Модель предназначена для первичной сортировки и не доказывает мошенничество; точность снижается на изображениях от генераторов, появившихся после обучающих данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Looking for AI-edit detection and tamper heatmaps? See Car Damage Photo Integrity v9 for image forgery localization in car-damage photos.

This repository retains its original checkpoint and inference instructions.

Claim Photo Integrity Detector v2

v2 of the claim-photo integrity detector. Continued fine-tuning of v1 with a much broader "real" diet: Open Images V7 everyday photos, KonIQ-10k authentically-distorted photos (blur / noise / bad light), and real phone photos - plus training-time augmentation (JPEG recompression, noise, blur, brightness/contrast jitter) so everyday phone photography is recognized as real instead of flagged AI-generated.

Usage

from transformers import pipeline
pipe = pipeline("image-classification",
                model="obuladinnesai/claim-photo-integrity-detector-v2")
pipe("path/to/claim_photo.jpg")

Limitations

A triage signal for human review, not proof of fraud.
Accuracy degrades on generators newer than the training data.

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: 50f8cdc