FOCAL-Finetune
поиск и сегментация ИИ-изображений
1 min read
Чекпоинты от автора KhangTruong, дообученные для обнаружения сгенерированных нейросетью изображений и сегментации (выделения отдельных областей или масок на картинке). Модель работает на базе архитектуры sid-unet и помогает не просто определить факт генерации, но и локализовать изменённые участки. Решение ориентировано на разработчиков и исследователей, работающих с верификацией визуального контента и борьбой с дипфейками.
Ключевые особенности
- Оценивается сразу на двух связанных задачах: детекции ИИ-генерации и сегментации областей.
- Использует библиотеку и архитектуру
sid-unet, чекпоинты распространяются в формате PyTorch (.pt). - Поддерживает удобное управление версиями и загрузку весов через CLI-утилиты
sid-pull,sid-trainиsid-push. - В репозитории вместе с весами сохраняются графики обучения и матрицы кросс-оценки для анализа качества.
Что можно сделать
- Встроить проверку загружаемых картинок в сервис модерации контента, чтобы выявлять ИИ-генерации и подмены областей.
- Взять чекпоинт
v1за основу и продолжить дообучение (fine-tuning) на собственном датасете через командуsid-train.
Пример
sid-pull --name KhangTruong/FOCAL-Finetune --version v1
sid-train --resume checkpoints/checkpoint_latest.ptПодробнее
Актуальная версия: v1, обучена на протяжении 5 эпох.Лучший результат на валидации (Best Validation Score): 0.5528 на 5-й эпохе.
Базовая модель и точные требования к железу/VRAM в карточке не указаны.










Comments