🚀 幻影照片分类器
幻影照片分类器是一个图像分类的视觉语言编码器模型,它基于google/siglip2-base-patch16-224进行微调,用于二分类图像真伪分类任务。该模型旨在使用SiglipForImageClassification架构来判断图像是真实的还是人工智能生成的(虚假的)。

✨ 主要特性
- 精准分类:能够准确区分真实图像和AI生成的虚假图像。
- 架构先进:采用SiglipForImageClassification架构进行图像分类。
属性 |
详情 |
模型类型 |
图像分类视觉语言编码器模型 |
基础模型 |
google/siglip2-base-patch16-224 |
数据集 |
anson-huang/mirage-news |
库名称 |
transformers |
标签 |
Fake、Real、SigLIP2、Mirage |
任务类型 |
图像分类 |
许可证 |
Apache-2.0 |
📦 安装指南
!pip install -q transformers torch pillow gradio
💻 使用示例
基础用法
import gradio as gr
from transformers import AutoImageProcessor
from transformers import SiglipForImageClassification
from PIL import Image
import torch
model_name = "prithivMLmods/Mirage-Photo-Classifier"
model = SiglipForImageClassification.from_pretrained(model_name)
processor = AutoImageProcessor.from_pretrained(model_name)
labels = {
"0": "Real",
"1": "Fake"
}
def classify_image_authenticity(image):
"""预测图像是真实的还是人工智能生成的(虚假的)。"""
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
iface = gr.Interface(
fn=classify_image_authenticity,
inputs=gr.Image(type="numpy"),
outputs=gr.Label(label="Prediction Scores"),
title="Mirage Photo Classifier",
description="上传一张图像,判断它是真实的还是人工智能生成的(虚假的)。"
)
if __name__ == "__main__":
iface.launch()
分类报告
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

该模型将图像分为两类:
📚 详细文档
预期用途
幻影照片分类器模型旨在检测图像是真实的(照片)还是合成生成的。其应用场景包括:
- AI图像检测:识别社交媒体、新闻或数据集中的AI生成图像。
- 数字取证:帮助专业人员在调查中检测图像的真实性。
- 平台审核:协助内容平台对生成的内容进行标注。
- 数据集验证:清理和验证其他AI模型的训练数据。
📄 许可证
本项目采用Apache-2.0许可证。