К содержимому
Другое

GRACE Deepfake Detection

система поиска дипфейков с объяснением решения

2 мин чтенияобновлено

Модель GRACE (Generalisable, Robust And Concept-Explainable detection) решает задачу обнаружения поддельных лиц на видео и изображениях, оценивая их по десяти понятным криминалистическим признакам. На выходе система выдает не просто вердикт «настоящее или подделка», а детальный разбор по концептам (например, артефакты кожи, нестыковки цвета или геометрии). Архитектура включает тяжелую учительскую модель на базе CLIP ViT-L/14 с LoRA-адаптерами и компактного студента EfficientNet-B0 для быстрой работы на процессоре. Проект создан в рамках академического капстона PES University и пригодится исследователям безопасности и разработчикам систем верификации медиаконтента.

Ключевые особенности

  • Десять концептов: оценка по конкретным признакам вроде размытия, артефактов наложения или правки глаз.
  • Архитектура учитель-студент: точный учитель для мощных серверов и легкая ONNX-модель на 4.7 миллиона параметров для CPU.
  • Устойчивая база: обучение на датасете FaceForensics++ с самосмешанными подделками без использования тестовых данных.
  • Готовый интерфейс: наличие исходного кода и демонстрационного пространства на Hugging Face Spaces.

Что можно сделать

  • Проверка медиа: запустить встроенное демо для анализа подозрительных роликов и фотографий на наличие манипуляций.
  • Интеграция на CPU: использовать легковесную версию grace_student.onnx для быстрого анализа видео на обычных серверах.
  • Анализ уязвимостей: изучить веса и конфигурации модели для исследования надежности современных детекторов дипфейков.

Пример

Модель оценивает лица размером 224×224 пикселя по десяти криминалистическим критериям, выдавая интерпретируемый логит подделки как сумму весов этих концептов.

ПодробнееМетрики AUC: FF++ 0.997, DFD 0.951, Celeb-DF 0.901
Ограничения: уязвима к новым генераторам (диффузионным моделям), сильному сжатию видео и экстремальным углам поворота головы
Компоненты: учительские веса PyTorch с LoRA на CLIP и компактный студент EfficientNet-B0
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.

    # grace-cap/grace-deepfake-models
    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 grace-cap/grace-deepfake-models --local-dir ~/models/grace-deepfake-models
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к grace-deepfake-models
  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 grace-deepfake-models — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

grace-cap/grace-deepfake-models
Автор
grace-cap
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

Языковые модели

Grace-G1-55M

Grace-G1-55M