Bombek1/ai-image-detector-siglip-dinov2
AI Image Detector (SigLIP2 + DINOv2 Ensemble) A high-accuracy, quality-agnostic model for detecting AI-generated images, achieving 0.9997 AUC on validation and strong cross-dataset generalization. Key Features - Quality-agnostic: Performs consistent...
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#1 Repository Của Tuần
#1 Repository Của Tuần
#1 Repository Của Tuần
🖼️ Mô hình phát hiện ảnh AI chính xác cực cao với kiến trúc SigLIP2 + DINOv2
Kết hợp hai trình mã hóa để phát hiện ảnh AI tạo ra với độ chính xác lên tới 99% và AUC 0.9997.
Đây là mô hình phân loại ảnh dùng để phân biệt ảnh do AI tạo ra và ảnh thật, được huấn luyện trên bộ dữ liệu OpenFake (~95K ảnh). Mô hình sử dụng kiến trúc đôi (ensemble) gồm SigLIP2 và DINOv2, hỗ trợ phát hiện chính xác ngay cả trên ảnh bị nén, mờ hoặc có nhiễu.
✨ Điểm nổi bật
- Quality-agnostic: Hiệu suất ổn định trên cả ảnh sắc nét và bị tác động (nén JPEG, mờ, nhiễu)
- Kiến trúc đôi: Kết hợp SigLIP2 (hiểu ngữ nghĩa) và DINOv2 (đặc trưng tự giám sát)
- Tinh chỉnh hiệu quả: Sử dụng bộ điều chỉnh LoRA (~8M tham số có thể huấn luyện)
- Sẵn sàng triển khai: Được kiểm thử trên hơn 10 bộ dữ liệu bên ngoài
- AUC 0.9997: Trên bộ xác thực OpenFake với 5K ảnh
💡 Vì sao đáng chú ý
Mô hình không chỉ đạt độ chính xác rất cao mà còn giữ vững hiệu suất khi ảnh bị xử lý kém chất lượng — lợi thế lớn so với các mô hình truyền thống dễ bị ảnh hưởng bởi nén hoặc nhiễu.
Kiến trúc đôi giúp mô hình nắm bắt cả ngữ nghĩa sâu rộng từ SigLIP2 lẫn đặc trưng cục bộ từ DINOv2, kết hợp với LoRA để tối ưu số lượng tham số huấn luyện.
#LIDAR #SigLIP2 #DINOv2 #DeepfakeDetection #ImageClassification #TiniX
Dự án tương tự
Khám phá các dự án và mô hình AI khác có sự tương đồng.
!2.png(https://cdn-uploads.huggingface.co/production/uploads/65bb837dbfb878f46c77de4c/gfvc6sCbh9saiVnczYH2c.png) Gender-Classifier-Mini Gender-Classifier-Mini is an image classification vision-language encoder model fine-tuned from google/siglip2-bas...
Vision Transformer (base-sized model) Vision Transformer (ViT) model pre-trained on ImageNet-21k (14 million images, 21,843 classes) at resolution 224x224, and fine-tuned on ImageNet 2012 (1 million images, 1,000 classes) at resolution 224x224. It w...
Model card for mobilenetv3small100.lambin1k A MobileNet-v3 image classification model. Trained on ImageNet-1k in timm using recipe template described below. Recipe details: A LAMB optimizer based recipe that is similar to ResNet Strikes Back(https:/...
Model Card: Fine-Tuned Vision Transformer (ViT) for NSFW Image Classification Model Description The Fine-Tuned Vision Transformer (ViT) is a variant of the transformer encoder architecture, similar to BERT, that has been adapted for image classifica...
ResNet-50 v1.5 ResNet model pre-trained on ImageNet-1k at resolution 224x224. It was introduced in the paper Deep Residual Learning for Image Recognition(https://arxiv.org/abs/1512.03385) by He et al. Disclaimer: The team releasing ResNet did not wr...
Model card for tfefficientnetv2s.in21kftin1k A EfficientNet-v2 image classification model. Trained on ImageNet-21k and fine-tuned on ImageNet-1k in Tensorflow by paper authors, ported to PyTorch by Ross Wightman. Model Details - Model Type: Image cl...
Model card for resnet18.a1in1k A ResNet-B image classification model. This model features: ReLU activations single layer 7x7 convolution with pooling 1x1 convolution shortcut downsample Trained on ImageNet-1k in timm using recipe template described...
Model card for resnet50.a1in1k A ResNet-B image classification model. This model features: ReLU activations single layer 7x7 convolution with pooling 1x1 convolution shortcut downsample Trained on ImageNet-1k in timm using recipe template described...
all-MiniLM-L6-v2 This is a sentence-transformers(https://www.SBERT.net) model: It maps sentences & paragraphs to a 384 dimensional dense vector space and can be used for tasks like clustering or semantic search. Usage (Sentence-Transformers) Using t...