Siglip2 X256 Explicit Content

🚀 siglip2-x256-explicit-content

siglip2-x256-explicit-contentは、「siglip2-base-patch16-256」からファインチューニングされたビジョン言語エンコーダモデルで、多クラス画像分類に特化しています。このモデルは「SiglipForImageClassification」アーキテクチャに基づいて構築され、画像内のコンテンツタイプを識別および分類するように訓練されており、特に露骨な、わいせつな、または安全なメディアのフィルタリングに役立ちます。

引用: SigLIP 2: Multilingual Vision-Language Encoders with Improved Semantic Understanding, Localization, and Dense Features https://arxiv.org/pdf/2502.14786

🚀 クイックスタート

このモデルを使用する前に、必要な依存関係をインストールする必要があります。以下のコマンドを実行してください。

pip install -q transformers torch pillow gradio

✨ 主な機能

• 多クラス画像分類に特化したビジョン言語エンコーダモデルです。
• 画像内のコンテンツタイプを識別および分類し、露骨な、わいせつな、または安全なメディアのフィルタリングに役立ちます。

📦 インストール

必要な依存関係をインストールするには、以下のコマンドを実行します。

pip install -q transformers torch pillow gradio

💻 使用例

基本的な使用法

以下は、このモデルを使用して画像分類を行うPythonコードの例です。

import gradio as gr
from transformers import AutoImageProcessor, SiglipForImageClassification
from PIL import Image
import torch

# Load model and processor
model_name = "prithivMLmods/siglip2-x256-explicit-content"  # Replace with your model path if needed
model = SiglipForImageClassification.from_pretrained(model_name)
processor = AutoImageProcessor.from_pretrained(model_name)

# ID to Label mapping
id2label = {
    "0": "Anime Picture",
    "1": "Hentai",
    "2": "Normal",
    "3": "Pornography",
    "4": "Enticing or Sensual"
}

def classify_explicit_content(image):
    image = Image.fromarray(image).convert("RGB")
    inputs = processor(images=image, return_tensors="pt")

    with torch.no_grad():
        outputs = model(**inputs)
        logits = outputs.logits
        probs = torch.nn.functional.softmax(logits, dim=1).squeeze().tolist()

    prediction = {
        id2label[str(i)]: round(probs[i], 3) for i in range(len(probs))
    }

    return prediction

# Gradio Interface
iface = gr.Interface(
    fn=classify_explicit_content,
    inputs=gr.Image(type="numpy"),
    outputs=gr.Label(num_top_classes=5, label="Predicted Content Type"),
    title="siglip2-x256-explicit-content",
    description="Classifies images into explicit, suggestive, or safe categories (e.g., Hentai, Pornography, Normal)."
)

if __name__ == "__main__":
    iface.launch()

分類レポート

以下は、モデルの分類レポートです。

Classification Report:
                     precision    recall  f1-score   support

      Anime Picture     0.8940    0.8718    0.8827      5600
             Hentai     0.8961    0.8935    0.8948      4180
             Normal     0.9100    0.8895    0.8997      5503
        Pornography     0.9496    0.9654    0.9574      5600
Enticing or Sensual     0.9132    0.9429    0.9278      5600

           accuracy                         0.9137     26483
          macro avg     0.9126    0.9126    0.9125     26483
       weighted avg     0.9135    0.9137    0.9135     26483

📚 ドキュメント

ラベル空間

このモデルは、各画像を以下のコンテンツカテゴリのいずれかに分類します。

Class 0: "Anime Picture"  
Class 1: "Hentai"  
Class 2: "Normal"  
Class 3: "Pornography"  
Class 4: "Enticing or Sensual"

想定される用途

このモデルは、以下のようなアプリケーションに使用されることを想定しています。

• コンテンツモデレーション: NSFWまたはわいせつなコンテンツを自動検出します。
• ペアレンタルコントロール: AIベースのフィルタリングを有効にして、安全なメディア閲覧を可能にします。
• データセット前処理: 研究またはデプロイ用の画像データセットをクリーニングおよび分類します。
• オンラインプラットフォーム: アップロードやユーザー生成メディアに対するコンテンツガイドラインを施行するのに役立ちます。

📄 ライセンス

このモデルは、Apache-2.0ライセンスの下で提供されています。