许可证：apache-2.0
数据集：

• prithivMLmods/OpenDeepfake-Preview
  语言：
• 英文
  基础模型：
• google/siglip2-base-patch16-512
  任务标签：图像分类
  库名称：transformers
  标签：
• 深度伪造
• 检测
• SigLIP2
• 艺术
• 合成

开放深度伪造检测

open-deepfake-detection 是一个基于 siglip2-base-patch16-512 微调的视觉-语言编码器模型，用于二分类图像分类。该模型通过 OpenDeepfake-Preview 数据集训练，用于检测图像是否为伪造或真实，采用 SiglipForImageClassification 架构。

[!注意]
SigLIP 2：具有改进语义理解、定位和密集特征的多语言视觉-语言编码器
https://arxiv.org/pdf/2502.14786

[!重要]
实验性模型

分类报告：  
              精确率  召回率  F1分数  支持数  

        伪造     0.9718    0.9155    0.9428     10000  
        真实     0.9201    0.9734    0.9460      9999  

    准确率                         0.9444     19999  
  宏平均     0.9459    0.9444    0.9444     19999  
加权平均     0.9459    0.9444    0.9444     19999  

标签空间：2类

模型将图像分类为以下两类之一：

类别 0: 伪造  
类别 1: 真实  

安装依赖

pip install -q transformers torch pillow gradio hf_xet  

推理代码

import gradio as gr  
from transformers import AutoImageProcessor, SiglipForImageClassification  
from PIL import Image  
import torch  

# 加载模型和处理器  
model_name = "prithivMLmods/open-deepfake-detection"  # 更新后的模型名称  
model = SiglipForImageClassification.from_pretrained(model_name)  
processor = AutoImageProcessor.from_pretrained(model_name)  

# 更新标签映射  
id2label = {  
    "0": "伪造",  
    "1": "真实"  
}  

def classify_image(image):  
    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()  

    prediction = {  
        id2label[str(i)]: round(probs[i], 3) for i in range(len(probs))  
    }  

    return prediction  

# Gradio 界面  
iface = gr.Interface(  
    fn=classify_image,  
    inputs=gr.Image(type="numpy"),  
    outputs=gr.Label(num_top_classes=2, label="深度伪造检测"),  
    title="开放深度伪造检测",  
    description="上传图像以检测其是否为AI生成（伪造）或真实照片（真实），使用OpenDeepfake-Preview数据集。"  
)  

if __name__ == "__main__":  
    iface.launch()  

演示推理

[!警告]
真实

[!警告]
伪造

预期用途

open-deepfake-detection 设计用于：

• 深度伪造检测 —— 识别AI生成或篡改的图像。
• 内容审核 —— 标记合成或伪造的视觉内容。
• 数据集整理 —— 从混合数据集中移除合成样本。
• 视觉真实性验证 —— 检查视觉媒体的完整性。
• 数字取证 —— 支持图像来源验证和可追溯性。