Deep-Fake-Detector-v2-Model

מה זה

מדובר במודל סיווג שמבוסס על Vision Transformer של גוגל, שעבר אימון ייעודי על תמונות פנים אמיתיות ומזויפות. הוא מקבל תמונת RGB, חותך אותה לריבועים של 16 על 16 פיקסלים בגודל כולל של 224 על 224, ומחזיר אחת משתי תוצאות: Realism או Deepfake.

במבחן על 56,001 תמונות הוא מציג דיוק כולל של 92.12%. הנתון המעניין הוא ה־Recall של הדיפ-פייק, שעומד על 0.9715. זה אומר שהוא תופס את הרוב המוחלט של הזיופים. המחיר של זה הוא פגיעה בתמונות אמיתיות, שם ה־Recall יורד ל־0.8708, כלומר הוא נוטה לפסול תמונות מקוריות ולסמן אותן בטעות כמזויפות.

הגרסה הזו הגיעה אחרי שהיוצר הודה שהגרסה הראשונה אומנה על דאטה-סט קטן מדי ולא החזיקה במציאות. כאן הוא הרחיב את סט האימון כדי להתמודד עם שונות גדולה יותר, אבל הוא עדיין מתמקד רק בסיווג נקודתי של תמונה בודדת.

מתאים ל

• סינון ראשוני בפרופילים

  בדיקת תמונות פרופיל חדשות של משתמשים כדי לאתר פנים שנוצרו במחשב.

• עזר לבודקי תוכן

  סימון תמונות חשודות בתור לבדיקה ידנית, בלי להסתמך עליו כפוסק יחיד.

• אימות מסמכי זיהוי

  עצירת תמונות פנים סינתטיות שנשלחות בתהליכי הרשמה מוקדמים.

איפה זה נופל

המודל הזה אומן רק על תמונות פנים, והיוצר מבהיר שהוא עלול להיכשל בדאטה שמגיע ממקורות שונים מאלה שבהם השתמש. אם תזרקו עליו תמונות ברזולוציה נמוכה, קבצים שעברו דחיסה חזקה, או וידאו, הביצועים שלו יצנחו מיד. הוא אינו מנתח קובצי וידאו ישירות. בנוסף, בגלל הנטייה לסמן תמונות אמיתיות כזיוף, אי אפשר לחסום משתמשים אוטומטית רק על בסיס התוצאה שלו.

איך מריצים

המודל כולל כ־86 מיליון פרמטרים ושוקל 1.3 גיגה-בייט בלבד. אפשר לטעון אותו בעזרת ספריית transformers בפייתון בשלוש שורות קוד דרך pipeline, או ישירות עם PyTorch.

בגלל המשקל הנמוך, כל כרטיס מסך בסיסי עם 4 עד 6 גיגה זיכרון מריץ אותו בלי למצמץ, ואפילו על מעבד רגיל תקבלו זמני תגובה סבירים. אין שום סיבה לשלם על API חיצוני כשאתם יכולים לארח אותו על השרת שלכם בכמה שניות של עבודה.

from transformers import pipeline

pipe = pipeline("image-classification", model="prithivMLmods/Deep-Fake-Detector-v2-Model")
print(pipe("שלום"))

הקבצים

15 קבצים במאגר, 1.3 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

• checkpoint-5252/optimizer.pt686.6 MB
• checkpoint-5252/model.safetensors343.2 MB
• model.safetensors343.2 MB
• script/deepfake_vit.ipynb435.7 KB
• checkpoint-5252/rng_state.pth14.2 KB
• README.md5.7 KB
• checkpoint-5252/training_args.bin5.3 KB
• training_args.bin5.3 KB
• checkpoint-5252/trainer_state.json3.1 KB
• .gitattributes1.5 KB
• checkpoint-5252/scheduler.pt1.1 KB
• checkpoint-5252/config.json738 B
• config.json738 B
• checkpoint-5252/preprocessor_config.json351 B
• preprocessor_config.json351 B

הרישיון

הרישיון הוא Apache 2.0. מותר להשתמש בו לצרכים מסחריים, לשנות את הקוד ולהטמיע אותו במוצר שלכם. התנאי המרכזי הוא לשמור על הודעת זכויות היוצרים ועותק הרישיון המקורי.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש
• שימוש בפטנטים

הרישיון המלא בעמוד המודל ↗