🚀 深度偽造檢測器模型 v1
深度偽造檢測器模型 v1
是一個基於視覺 - 語言編碼器的模型,它由 google/siglip-base-patch16-512
微調而來,用於二分類的深度偽造圖像識別。該模型經過訓練,能夠檢測一張圖像是真實的,還是使用合成媒體技術生成的。模型採用了 SiglipForImageClassification
架構。
屬性 |
詳情 |
模型類型 |
基於視覺 - 語言編碼器的圖像分類模型 |
基礎模型 |
google/siglip2-base-patch16-512 |
訓練數據 |
prithivMLmods/OpenDeepfake-Preview |
許可證 |
Apache-2.0 |
⚠️ 重要提示
此模型處於實驗階段。

🚀 快速開始
安裝依賴
pip install -q transformers torch pillow gradio hf_xet
推理代碼
import gradio as gr
from transformers import AutoImageProcessor, SiglipForImageClassification
from PIL import Image
import torch
model_name = "prithivMLmods/deepfake-detector-model-v1"
model = SiglipForImageClassification.from_pretrained(model_name)
processor = AutoImageProcessor.from_pretrained(model_name)
id2label = {
"0": "fake",
"1": "real"
}
def classify_image(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
iface = gr.Interface(
fn=classify_image,
inputs=gr.Image(type="numpy"),
outputs=gr.Label(num_top_classes=2, label="Deepfake Classification"),
title="deepfake-detector-model",
description="Upload an image to classify whether it is real or fake using a deepfake detection model."
)
if __name__ == "__main__":
iface.launch()
✨ 主要特性
- 深度偽造檢測:能夠準確識別由 AI 生成的虛假圖像。
- 媒體認證:驗證數字視覺內容的真實性。
- 內容審核:協助在線平臺過濾合成媒體。
- 法醫分析:通過檢測被篡改的視覺數據,支持數字取證工作。
- 安全應用:可集成到監控系統中進行真實性驗證。
💻 使用示例
基礎用法
import gradio as gr
from transformers import AutoImageProcessor, SiglipForImageClassification
from PIL import Image
import torch
model_name = "prithivMLmods/deepfake-detector-model-v1"
model = SiglipForImageClassification.from_pretrained(model_name)
processor = AutoImageProcessor.from_pretrained(model_name)
id2label = {
"0": "fake",
"1": "real"
}
def classify_image(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
iface = gr.Interface(
fn=classify_image,
inputs=gr.Image(type="numpy"),
outputs=gr.Label(num_top_classes=2, label="Deepfake Classification"),
title="deepfake-detector-model",
description="Upload an image to classify whether it is real or fake using a deepfake detection model."
)
if __name__ == "__main__":
iface.launch()
📚 詳細文檔
分類報告
Classification Report:
precision recall f1-score support
Fake 0.9718 0.9155 0.9428 10000
Real 0.9201 0.9734 0.9460 9999
accuracy 0.9444 19999
macro avg 0.9459 0.9444 0.9444 19999
weighted avg 0.9459 0.9444 0.9444 19999
標籤空間
該模型將圖像分類為以下兩類:
Class 0: 虛假
Class 1: 真實

📄 許可證
本項目採用 Apache - 2.0 許可證。