Ai Image Detect Distilled

🚀 AI檢測模型

本AI檢測模型主要用於圖像分類，能夠有效識別真實圖像和AI生成圖像，在圖像真偽檢測領域具有重要價值。

🚀 快速開始

此部分暫未提供相關快速開始的內容。

✨ 主要特性

• 採用模型蒸餾技術，將三個獨立模型的特徵融合到一個小型ViT模型中，參數僅1180萬，檢測更高效。
• 數據準備過程精心設計，確保真實圖像和AI生成圖像儘可能相似，僅來源不同，提高模型檢測準確性。
• 在驗證集和自定義真實世界數據集上均有良好表現，且優於其他流行的AI檢測模型。
• 對多種AI生成技術進行全面訓練，使模型具有更強的通用性。

📚 詳細文檔

模型架構與訓練

最初訓練了三個獨立的模型：

1. Midjourney生成圖像與真實圖像對比模型
2. Stable Diffusion生成圖像與真實圖像對比模型
3. Stable Diffusion微調圖像與真實圖像對比模型

數據準備過程如下：

• 使用谷歌的開放圖像數據集獲取真實圖像。
• 利用BLIP（Bootstrapping Language - Image Pre - training）描述真實圖像。
• 根據BLIP描述生成Stable Diffusion圖像。
• 基於BLIP描述查找相似的Midjourney圖像。

這種方法確保了真實圖像和AI生成圖像儘可能相似，僅在來源上有所不同。

隨後，將這三個模型蒸餾成一個參數為1180萬的小型ViT模型，融合它們學到的特徵，以實現更高效的檢測。

數據來源

• 谷歌開放圖像數據集：鏈接
• Ivan Sivkov的Midjourney數據集：鏈接
• TANREI(NAMA)的Stable Diffusion提示數據集：鏈接

性能表現

• 驗證集：準確率達到74%，該驗證集從訓練數據中分離出來，用於評估模型的泛化能力。
• 自定義真實世界數據集：準確率為72%，該數據集由自拍圖像和網絡來源圖像組成，更能代表基於互聯網的圖像。
• 對比分析：在兩個數據集上均比其他流行的AI檢測模型高出5個百分點，其他模型在驗證集和真實世界數據集上的準確率分別為89%和79%。

關鍵見解

1. 在驗證數據上具有較強的泛化能力（準確率75%）。
2. 對多樣化的真實世界圖像有良好的適應性（準確率72%）。
3. 持續優於其他流行模型。
4. 從驗證集到真實世界數據集準確率下降10個百分點，表明仍有改進空間。
5. 對多種AI生成技術進行全面訓練有助於提高模型的通用性。
6. 關注圖像生成的細微差異而非內容差異。

未來方向

• 用更多樣化的真實世界示例擴展數據集，以縮小性能差距。
• 提高對網絡來源圖像的泛化能力。
• 對誤分類樣本進行錯誤分析，以識別模式。
• 隨著新的AI圖像生成技術出現，將其集成到模型中。
• 考慮針對檢測準確性至關重要的特定領域進行微調。

📄 許可證

本項目採用MIT許可證。

📋 信息表格