К содержимому
Другое

DiffVax immunizer (ONNX)

защита фото от AI-редактирования в браузере

2 мин чтенияобновлено

Это ONNX-версия обученной нейросети DiffVax, которая добавляет на изображения незаметные искажения, мешающие диффузионным моделям их перерисовывать. Модель основана на архитектуре NestedUNet (~9,16 млн параметров) от авторов статьи DiffVax (ICLR 2026) и сконвертирована пользователем coldmew для запуска в браузере через ONNX Runtime Web. На выходе она выдаёт тензор-поправку, который накладывается на исходную картинку с учётом маски защищаемой области. Инструмент пригодится разработчикам веб-приложений для приватности, авторам контента и исследователям безопасности генеративных моделей.

Ключевые особенности

  • Запуск в браузере: вес файла всего ~36,6 МБ, модель готова к работе в ONNX Runtime Web через WebGPU и WASM без серверного бэкенда.
  • Точность конвертации: максимальное расхождение с оригинальным чекпоинтом PyTorch составляет не более 1.5e-6 (и до 1.4e-7 в браузере).
  • Формат работы: принимает статичный RGB-тензор [1,3,512,512] в диапазоне [-1, 1] (Opset 17) и возвращает поправку того же размера.
  • Открытая лицензия: распространяется под лицензией MIT с сохранением оригинальных весов из репозитория DiffVax.

Что можно сделать

  • Встроить защиту изображений прямо на клиентскую сторону веб-сервиса (как это сделано в проекте Veil), чтобы пользователи могли обрабатывать фото локально.
  • Использовать как быстрый препроцессинг перед публикацией картинок в сеть, маскируя области, которые нежелательно отдавать под AI-инпейнтинг.
  • Проводить эксперименты по устойчивости различных диффузионных редакторов к методу иммунизации без необходимости разворачивать PyTorch-окружение.

Пример

На вход подаётся изображение image размером 512×512 (RGB в диапазоне [-1, 1]) и маска области редактирования mask (где 1 — зона, которую редактор будет перерисовывать). Итоговое защищённое изображение собирается по формуле из оригинального репозитория: immunized = clamp(image + output * (1 - mask), -1, 1).

ПодробнееАрхитектура: NestedUNet(num_classes=3), ~9.16M параметров, вес 36,6 МБ.
Сравнение с PyTorch: max |Δ| ≤ 1.5e-6 (CPU/ORT), max |Δ| ≤ 1.4e-7 (WebGPU/WASM).
Ограничения: исследовательская модель, реальный эффект защиты зависит от конкретной модели редактирования и не гарантируется.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # coldmew/veil-diffvax-immunizer
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download coldmew/veil-diffvax-immunizer --local-dir ~/models/veil-diffvax-immunizer
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к veil-diffvax-immunizer
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии veil-diffvax-immunizer — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

coldmew/veil-diffvax-immunizer
Автор
coldmew
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии