К содержимому
Другое

DAVID-Net

детектор дипфейков с раздельной проверкой видео и звука

2 мин чтенияобновлено

Обычные детекторы дипфейков выдают бинарный ответ «фейк или оригинал» и часто ошибаются на двойных подделках, где синтетическое видео синхронизировано с клонированным голосом. Модель DAVID-Net (Decoupled Audio-Visual Forensic Network) от исследователей под руководством Moshin Ibna Hossain решает задачу глубже: она классифицирует запись по четырём квадрантам (RVRA, RVFA, FVRA, FVFA) и точно указывает, что именно подделано — лицо, речь, оба канала сразу или ни один. В основе лежат энкодеры VideoMAE ViT-Base для видеопотока и WavLM Base+ для аудио с разделением подпространств признаков (orthogonal disentanglement). Инструмент пригодится специалистам по цифровой криминалистике, модераторам платформ и исследователям медиабезопасности.

Ключевые особенности

  • Атрибуция по 4 квадрантам: разделяет чистые записи (RVRA), подмену голоса (RVFA), дипфейк лица (FVRA) и двойные фейки (FVFA).
  • Устойчивость к отсутствию модальности: обучаемые null-токены позволяют анализировать немое видео с камер наблюдения или только аудиозапись звонка без сбоев.
  • Локализация границ подделки: отдельная голова модели определяет временные границы манипуляций с точностью до кадров.
  • Компактный размер: веса чекпоинта занимают около 341 МБ (75.6M–105.5M параметров в зависимости от фазы обучения), модель распространяется под лицензией MIT.

Что можно сделать

  • Проверка подозрительных роликов: прогонять видеоинтервью и новости через CLI-скрипт, чтобы понять, подделана ли мимика или наложена синтетическая озвучка.
  • Анализ телефонных звонков и голосовых: проверять изолированные аудиофайлы (.wav) на клонирование речи без наличия видеоряда.
  • Аудит записей без звука: анализировать фрагменты с камер наблюдения или немые клипы на предмет подмены лица.

Пример

from huggingface_hub import hf_hub_download

model_path = hf_hub_download(
    repo_id="MIHMahmudEli/david-net-av",
    filename="david_net_best.safetensors"
)
config_path = hf_hub_download(
    repo_id="MIHMahmudEli/david-net-av",
    filename="config.json"
)
Подробнее На бенчмарке FakeAVCeleb версия Phase B (105.5M параметров) показывает Clip AUC 0.978, Video AUC 0.982, Audio AUC 0.999 и Macro-F1 92.4%.
В zero-shot тестах без дообучения модель достигает 0.839 на ASVspoof 2019 LA (+19.1% к бейзлайну) и 0.998 на DeepFakeTIMIT.
Ограничение: слабая генерализация на неизвестные вокодеры в WaveFake (0.113), а выходные оценки носят вероятностный характер (калибровка T* = 1.18).
Обсудить Telegram 0 19

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.3 GB · готовые файлы0.8 GB
  • FP8 / INT8рекомендуемвеса 0.2 GB0.7 GB
  • 4-bitвеса 0.1 GB0.6 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.

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

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

О модели

MIHMahmudEli/david-net-av
Автор
MIHMahmudEli
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

190

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

ec-esm

ec-esm