Defactify_Image_Dataset
קוד פתוחRajarshi-Roy-researchרישיון לא דווח2025-11-29
המאגר כולל 96,000 תמונות לזיהוי זיופי בינה מלאכותית ומקור היצירה שלהן. הוא מציע השוואה ישירה בין צילומים אמיתיים לחמישה מחוללי תמונה מובילים.
- 2,288הורדות בחודש
- 22לייקים
מה זה
הנתונים מורכבים מתמונות אמיתיות שנלקחו ממאגר MS COCO לצד תמונות סינתטיות שנוצרו באמצעות חמישה מודלים שונים: סטייבל דיפיוז'ן 2.1, SDXL, סטייבל דיפיוז'ן 3, דאלי 3 ומידג'רני 6. כל רשומה כוללת את קובץ התמונה, תיאור טקסטואלי ששימש כפרומפט או ככיתוב המקורי, ושתי תוויות סיווג.
המאגר מחולק לשלושה חלקים קבועים. חלק האימון מכיל 42,000 דוגמאות, חלק הוולידציה כולל 9,000 דוגמאות, וחלק הבחינה מחזיק 45,000 דוגמאות שמיועדות להערכה סופית.
הסיווג נבנה סביב שתי משימות. הראשונה היא זיהוי בינארי של תמונה אמיתית מול תמונה שנוצרה במחשב. השנייה מזהה מאיזה מודל ספציפי הגיעה התמונה מתוך חמשת המחוללים, או האם מדובר בצילום מקורי.
מתאים ל
- אימון מסווג זיופי תמונה
בניית מודל בינארי שמבדיל בין צילום מצלמה אמיתי לבין פלט סינתטי של מחוללי תמונות.
- זיהוי מקור המחולל
אימון רשת שמזהה את טביעת האצבע הייחודית של מידג'רני, דאלי או גרסאות סטייבל דיפיוז'ן.
- הערכת ביצועי גלאים
בדיקת עמידות של מודלי הגנה קיימים מול מגוון ארכיטקטורות ייצור על סט בדיקה של 45,000 תמונות.
איפה זה נופל
התמונות האמיתיות מבוססות כולן על MS COCO, מה שמגביל את מגוון הנושאים לעצמים וסצנות שקיימים באותו מאגר מקורי בלבד. כל הטקסטים והתיאורים הם באנגלית, כך שאין כאן ייצוג לפרומפטים בשפות אחרות כמו עברית. בנוסף, חמשת המודלים שנבדקו מייצגים נקודת זמן מסוימת, וסביר שמודלים חדשים יותר או גרסאות מתקדמות יציגו דפוסים שונים שהמאגר לא מכסה.
שאלות
נפוצות
האם מותר להשתמש במאגר לפיתוח מוצר מסחרי?
הרישיון של המאגר לא דווח כלל על ידי המפרסם. ללא רישיון ברור שמתיר שימוש מסחרי, לא כדאי להסתמך עליו לבניית מוצר רווחי מחשש להפרת זכויות יוצרים. מומלץ להגביל את השימוש בו לצרכי מחקר וניסויים פנימיים בלבד.
איך נאספו התמונות שבמאגר?
החוקרים לקחו תמונות ותיאורים אמיתיים מתוך מאגר MS COCO הקיים. לאחר מכן, הם השתמשו באותם תיאורים כדי לייצר תמונות חדשות בחמישה מחוללים פופולריים: מידג'רני 6, דאלי 3 ושלוש גרסאות של סטייבל דיפיוז'ן.
האם המאגר כולל תוכן או כיתובים בעברית?
המאגר אינו מכיל עברית. כל התיאורים והפרומפטים שמלווים את התמונות נשענים על השפה האנגלית בלבד, כפי שמוגדר בשדה השפה של המאגר.
מה מבדיל את המאגר ממאגרי זיהוי זיופים אחרים?
הייחוד כאן הוא השילוב בין משימת זיהוי בינארית לבין משימת שיוך למחולל הספציפי שיצר את התמונה. במקום להסתפק בהגדרה של אמיתי או מזויף, המאגר מאפשר לאמן מודל שיודע להצביע במדויק על הכלי שיצר את הקובץ.
איך טוענים
טוענים את הנתונים ישירות דרך ספריית datasets באמצעות קבצי Parquet שמחולקים לכמה חלקים במאגר. אין צורך לבקש אישור גישה מיוחד, המאגר פתוח להורדה ישירה. השדות החשובים לעבודה הם Image שמחזיר אובייקט תמונה, Caption שמחזיק את הטקסט, ושני שדות הסיווג Label_A לסיווג בינארי ו־Label_B לסיווג המודל המייצר.
from datasets import load_dataset
ds = load_dataset("Rajarshi-Roy-research/Defactify_Image_Dataset")הרישיון
היוצרים לא הגדירו רישיון שימוש בעמוד המאגר. המשמעות היא שאין הרשאה מפורשת לשימוש מסחרי, ולא ברור אם מותר להפיץ תוצרים שנגזרו ממנו או לאמן מודלים למוצרים פתוחים. במצב כזה, שימוש בפרויקט מסחרי מהווה סיכון משפטי ומוטב להגביל את העבודה למחקר בלבד.