К содержимому
Другое

is-this-ai-models

детекторы ИИ-картинок прямо в браузере

2 мин чтенияобновлено

Набор из четырёх готовых моделей для определения того, сгенерировано ли изображение нейросетью. Модели сконвертированы в формат ONNX (универсальный формат для запуска нейросетей) с половинной точностью FP16, чтобы работать локально в веб-браузере через библиотеку onnxruntime-web без отправки картинок на сервер. Репозиторий подготовлен для исследовательского прототипа «Is this image AI?» от команды Mozilla Future of the Web. Пригодится веб-разработчикам, создателям расширений для браузера и модераторам контента.

Ключевые особенности

  • Запуск на стороне клиента: оптимизированы для работы в браузере с помощью onnxruntime-web.
  • Четыре разные архитектуры: внутри лежат адаптированные версии моделей на базе SwinV2, SigLIP, SDXL-детектора и CommFor.
  • Формат FP16: веса переведены в половинной точности (model_fp16.onnx) для уменьшения размера файлов и ускорения работы.
  • Готовые конфиги препроцессинга: к каждой модели прилагается файл prep.json с параметрами предварительной обработки изображения.
  • Сохранение точности: при проверке на 363 тестовых картинках вердикты на пороге 95% уверенности совпали с оригиналами на PyTorch (изменился лишь один пограничный случай у SwinV2: с 0.933 до 0.956).

Что можно сделать

  • Встроить локальную проверку картинок на генерацию ИИ в расширение для браузера без затрат на серверные GPU.
  • Добавить клиентский фильтр или маркировку нейросетевого контента в веб-приложение или форму загрузки изображений.
  • Сравнить в реальном времени, как четыре разных детектора оценивают одно и то же изображение прямо на странице.

Пример

В каждой папке (swinv2, siglip, sdxl, commfor) находятся два файла: model_fp16.onnx и prep.json. На вход модель принимает тензор pixel_values в формате NCHW float32 (подготовленный по правилам из prep.json), а на выходе возвращает вероятность p_ai того, что изображение создано нейросетью.

ПодробнееВходящие модели: haywoodsloan/ai-image-detector-deploy (Apache-2.0), Ateeqq/ai-vs-human-image-detector (Apache-2.0), Organika/sdxl-detector (CC BY-NC 3.0), OwensLab/commfor-model-384 (MIT)
Валидация: 363 тестовых изображения относительно оригинальных PyTorch-версий
Лицензии: для каждой копии действует лицензия соответствующей исходной модели (у SDXL-детектора — только некоммерческое использование)
Обсудить Telegram 0

Запустится ли?

Запустится в FP16

Влезает без сжатия.

  • FP16веса 0.4 GB · готовые файлы0.9 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 · FP16 — 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.

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

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

О модели

mikemoz/is-this-ai-models
Автор
mikemoz
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

Другое

CryoFM

CryoFM
Другое

WasteAI

WasteAI