Дообученный Vision Transformer классифицирует изображения как реальные или созданные ИИ.

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

ViT-модель для классификации изображений лиц как реальных или созданных с помощью deepfake-технологий.

Подходит для: проверка изображения лица на признаки deepfake · предварительный отбор подозрительных изображений для проверки специалистом · классификация медиаматериалов при модерации контента

Дообученная ViT-модель классифицирует изображения как реальные или сгенерированные ИИ.

Подходит для: проверка, создано ли изображение генеративным ИИ · первичная фильтрация изображений по признаку подлинности · классификация изображений для анализа медиаконтента

Компактная англоязычная модель EleutherAI для генерации текста и контролируемых исследований поведения языковых моделей.

Подходит для: исследование интерпретируемости языковых моделей · эксперименты с продолжением английского текста · сравнение моделей одинакового размера в контролируемых условиях

ViT-Small для классификации изображений, оценивающая вероятность того, что изображение создано ИИ.

Подходит для: проверка изображения на генерацию ИИ · поиск синтетических изображений в пользовательских загрузках · анализ изображений в цифровой криминалистике

CyberRealistic — основанная на Stable Diffusion 1.5 модель для генерации фотореалистичных портретов и сцен по текстовому описанию.

Подходит для: создание реалистичных портретов людей · генерация fashion-изображений · создание кинематографичных сцен

Модель классифицирует изображения как созданные ИИ, дипфейки или подлинные фотографии.

Подходит для: обнаружение дипфейков на изображениях · выявление полностью сгенерированных ИИ изображений · проверка подлинности фотографий для фактчекинга

safetensors: формат, квантизация, runtime и память принадлежат одному artifact

Модель SigLIP классифицирует изображения как реальные или сгенерированные, помогая выявлять синтетический визуальный контент.

Подходит для: проверка изображений на признаки генерации ИИ · предварительная проверка подлинности цифровых фотографий · фильтрация синтетических изображений при модерации контента

AIRealNet — дообученный SwinV2 классификатор для определения, создано ли изображение ИИ или является реальной фотографией человека.

Подходит для: проверка изображений на генерацию ИИ · поиск синтетических изображений в публикациях · предварительная проверка контента для модерации

Экспериментальный Swin-классификатор с частотными признаками определяет, относится ли изображение лица к искусственному или человеческому классу.

Подходит для: классификация лицевого изображения как искусственного или человеческого · исследовательская проверка StyleGAN-синтетических лиц · сравнение классификации лиц при JPEG-сжатии

Модель на базе Wav2Vec2 классифицирует аудио, чтобы выявлять поддельную синтетическую речь.

Подходит для: выявление deepfake-речи в аудиозаписях · проверка голосовых сообщений на синтетическое происхождение · классификация аудио для систем обнаружения подделок

Диффузионная DDPM-модель для безусловной генерации изображений лиц CelebA-HQ размером 256×256.

Подходит для: генерация синтетических изображений лиц без текстового запроса · создание выборок лиц для экспериментов с генеративными моделями · изучение диффузионной генерации изображений через Diffusers

Производная модели cyberdelia/CyberRealistic. CyberRealistic — основанная на Stable Diffusion 1.5 модель для генерации фотореалистичных портретов и сцен по текстовому описанию.

Подходит для: создание реалистичных портретов людей · генерация fashion-изображений · создание кинематографичных сцен

Компактный диффузионный чекпойнт CID для исследования постоянного когнитивного состояния и взаимодействия с инструментами через специализированный runtime.

Подходит для: исследование поведения CID на компактной языковой модели · разработка и проверка CID-runtime · оценка сходимости генерации в цикле CID

Гибридная модель EfficientNet и Vision Transformer для обнаружения дипфейков на изображениях и видеокадрах с классификацией лица как настоящего или поддельного.

Подходит для: проверка фотографии лица на признаки дипфейка · анализ видеозаписи по кадрам для выявления подмены лица · модерация загруженных изображений на предмет синтетических лиц

Delta-адаптер выходной головы DarkIdol для переноса её стиля на модифицированные сборки Qwen 27B, где прямая замена головы может вызывать циклическую генерацию.

Подходит для: перенос стиля DarkIdol на модифицированную Qwen 27B · устранение циклических повторов при переносе голоса на heretic-сборку · применение голосового delta к Qwen 27B finetune или merge в GGUF

Плотная модель Qwen2 на 7,1 млрд параметров с удалённой исходной идентичностью, предназначенная для создания персонализированных ассистентов посредством LoRA.

Подходит для: создание ассистента с заданным именем и характером · дообучение LoRA на примерах идентичности и стиля общения · разработка диалогового ИИ с настраиваемым образом

Безусловная DDPM-модель Google для генерации изображений лиц размером 256×256 на основе CelebA-HQ.

Подходит для: создание синтетических портретов лиц · генерация набора лиц для визуальных экспериментов · получение образцов изображений через Diffusers DDPMPipeline

Модель на базе Swin-Tiny классифицирует изображения как настоящие или созданные ИИ.

Подходит для: проверка, сгенерировано ли изображение ИИ · фильтрация изображений, созданных генеративными моделями · первичная модерация пользовательских изображений

MS-EffGCViT-B5 выявляет поддельные лица на изображениях и кадрах видео, классифицируя их как реальные или фальшивые.

Подходит для: проверка подлинности лица на фотографии · обнаружение дипфейков в видео по кадрам · первичная фильтрация подозрительных видеороликов

Классификатор на базе ViT определяет, относится ли изображение к искусственно созданным, дипфейкам или реальным.

Подходит для: классификация изображения как искусственного, дипфейка или реального · предварительная фильтрация наборов изображений для обучения детекторов дипфейков · оценка изображений, созданных генеративными моделями

Экспериментальная модель на SigLIP 2 для классификации изображений как поддельных или подлинных.

Подходит для: выявление ИИ-сгенерированных изображений · поиск манипулированных изображений · предварительная модерация синтетического визуального контента

Дообученная ViT-модель классифицирует изображения как реальные или сгенерированные ИИ.

Подходит для: проверка изображения на генерацию искусственным интеллектом · предварительная модерация изображений по признаку синтетического происхождения · проверка подлинности изображений с участием человека