Mirage Photo Classifier

🚀 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。

📦 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

# 加载模型和处理器
model_name = "prithivMLmods/Mirage-Photo-Classifier"
model = SiglipForImageClassification.from_pretrained(model_name)
processor = AutoImageProcessor.from_pretrained(model_name)

# 标签映射
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

# 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="上传一张图像，判断它是真实的还是人工智能生成的（虚假的）。"
)

# 启动应用
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：

• 类别 0：真实
• 类别 1：虚假

📚 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。