Siglip2 X256 Explicit Content

🚀 siglip2-x256-explicit-content

siglip2-x256-explicit-content 是一個基於視覺語言編碼器的模型，它在 siglip2-base-patch16-256 的基礎上進行微調，用於 多類別圖像分類。該模型基於 SiglipForImageClassification 架構構建，經過訓練能夠識別和分類圖像中的內容類型，尤其適用於 色情、暗示性或安全媒體的過濾。

🚀 快速開始

安裝依賴

pip install -q transformers torch pillow gradio

推理代碼

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()

✨ 主要特性

• 多類別圖像分類：能夠將圖像分為多個類別，包括動漫圖片、色情內容、正常內容等。
• 內容過濾：可用於檢測和過濾色情、暗示性或安全媒體內容。

📚 詳細文檔

標籤空間：5 個類別

該模型將每張圖像分類到以下內容類別之一：

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

分類報告

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

預期用途

此模型適用於以下應用場景：

• 內容審核：自動檢測不適合工作場所（NSFW）或具有暗示性的內容。
• 家長控制：實現基於人工智能的過濾，確保安全的媒體瀏覽。
• 數據集預處理：清理和分類圖像數據集，用於研究或部署。
• 在線平臺：幫助執行上傳內容和用戶生成媒體的內容準則。

📄 許可證

本項目採用 Apache-2.0 許可證。

引用

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

模型相關信息

模型圖片