Mirage Photo Classifier

🚀 幻影照片分類器

幻影照片分類器是一個圖像分類的視覺語言編碼器模型，它基於google/siglip2-base-patch16-224進行微調，用於二分類圖像真偽分類任務。該模型旨在使用SiglipForImageClassification架構來判斷圖像是真實的還是人工智能生成的（虛假的）。

✨ 主要特性

• 精準分類：能夠準確區分真實圖像和AI生成的虛假圖像。
• 架構先進：採用SiglipForImageClassification架構進行圖像分類。

📦 安裝指南

!pip install -q transformers torch pillow gradio

💻 使用示例

基礎用法

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

# 加載模型和處理器
model_name = "prithivMLmods/Mirage-Photo-Classifier"
model = SiglipForImageClassification.from_pretrained(model_name)
processor = AutoImageProcessor.from_pretrained(model_name)

# 標籤映射
labels = {
    "0": "Real",
    "1": "Fake"
}

def classify_image_authenticity(image):
    """預測圖像是真實的還是人工智能生成的（虛假的）。"""
    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()

    predictions = {labels[str(i)]: round(probs[i], 3) for i in range(len(probs))}
    
    return predictions

# Gradio界面
iface = gr.Interface(
    fn=classify_image_authenticity,
    inputs=gr.Image(type="numpy"),
    outputs=gr.Label(label="Prediction Scores"),
    title="Mirage Photo Classifier",
    description="上傳一張圖像，判斷它是真實的還是人工智能生成的（虛假的）。"
)

# 啟動應用
if __name__ == "__main__":
    iface.launch()

分類報告

Classification Report:
              precision    recall  f1-score   support

        Real     0.9781    0.9132    0.9446      5000
        Fake     0.9186    0.9796    0.9481      5000

    accuracy                         0.9464     10000
   macro avg     0.9484    0.9464    0.9463     10000
weighted avg     0.9484    0.9464    0.9463     10000

該模型將圖像分為兩類：

• 類別 0：真實
• 類別 1：虛假

📚 詳細文檔

預期用途

幻影照片分類器模型旨在檢測圖像是真實的（照片）還是合成生成的。其應用場景包括：

• AI圖像檢測：識別社交媒體、新聞或數據集中的AI生成圖像。
• 數字取證：幫助專業人員在調查中檢測圖像的真實性。
• 平臺審核：協助內容平臺對生成的內容進行標註。
• 數據集驗證：清理和驗證其他AI模型的訓練數據。

📄 許可證

本項目採用Apache-2.0許可證。