许可证：Apache-2.0
流水线标签：图像分类
库名称：transformers
标签：

• 深度伪造
• 检测
• 图像
• SigLIP2
  基础模型：
• google/siglip2-base-patch16-512
  数据集：
• prithivMLmods/OpenDeepfake-Preview
  语言：
• 英文

深度伪造检测模型-v1

deepfake-detector-model-v1 是一个基于视觉-语言编码器的模型，从 google/siglip-base-patch16-512 微调而来，用于二分类深度伪造图像检测。该模型训练用于检测图像是真实的还是通过合成媒体技术生成的。模型采用 SiglipForImageClassification 架构。

[!警告]
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类别之一：

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
模型名称 = "prithivMLmods/deepfake-detector-model-v1"  
模型 = SiglipForImageClassification.from_pretrained(模型名称)
处理器 = AutoImageProcessor.from_pretrained(模型名称)

# 更新标签映射
id2标签 = {
    "0": "伪造",
    "1": "真实"
}

def 分类图像(图像):
    图像 = Image.fromarray(图像).convert("RGB")
    输入 = 处理器(images=图像, return_tensors="pt")

    with torch.no_grad():
        输出 = 模型(**输入)
        逻辑值 = 输出.logits
        概率 = torch.nn.functional.softmax(逻辑值, dim=1).squeeze().tolist()

    预测结果 = {
        id2标签[str(i)]: round(概率[i], 3) for i in range(len(概率))
    }

    return 预测结果

# Gradio界面
界面 = gr.Interface(
    fn=分类图像,
    inputs=gr.Image(type="numpy"),
    outputs=gr.Label(num_top_classes=2, label="深度伪造分类"),
    title="深度伪造检测模型",
    description="上传图像以使用深度伪造检测模型分类其真实性。"
)

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

预期用途

deepfake-detector-model 设计用于：

• 深度伪造检测 – 准确识别由AI生成的伪造图像。
• 媒体认证 – 验证数字视觉内容的真实性。
• 内容审核 – 协助在线平台过滤合成媒体内容。
• 法证分析 – 通过检测篡改的视觉数据支持数字取证。
• 安全应用 – 集成到监控系统中进行真实性验证。