ALADDIN detector

Бинарный классификатор, который отличает face swap, сделанный моделью ALADDIN — one-step face-swapping методом. Sumsub выложил детектор открыто, чтобы сгенерированные их методом изображения можно было распознавать; веса самого генератора доступны только через gated access. Архитектура — ConvNeXt-Tiny на 28M параметров, инициализирована из timm convnext_tiny.fb_in22k_ft_in1k, на выходе один логит.

🛡 Ключевые особенности

• 🛡 Заточен именно под ALADDIN, а не под универсальный deepfake-детекшн.
• ⚙️ ConvNeXt-Tiny, 28M параметров, один логит; sigmoid(logit) — вероятность ALADDIN swap.
• 🖥 На входе 512×512 RGB, FFHQ-style aligned face crop; изображения другого размера ресайзятся билинейно до 512.
• 📊 Есть CLI infer.py: можно считать папки с выровненными кропами или обычные фото с --align.
• ⚠️ Другие генераторы и постобработка нейросетевыми enhancer'ами (GPEN, CodeFormer) не тестировались.
• 📌 Лицензия CC BY-NC-SA 4.0, как у FFHQ, использованного для обучения.

📝 Пример

import timm, torch
from PIL import Image

model = timm.create_model("hf-hub:Sumsub/aladdin-detector", pretrained=True).eval()
transform = timm.data.create_transform(**timm.data.resolve_data_config({}, model=model))
x = transform(Image.open("face.png").convert("RGB")).unsqueeze(0)
p_swap = torch.sigmoid(model(x)).item()  # > 0.5 — ALADDIN swap

Подробнее

Бенчмарков в карточке нет. Модель на 28M параметров; требований к VRAM не указано.
Детектор только для ALADDIN: другие генераторы и постобработка GPEN/CodeFormer не тестировались.
Назначение — исследования и помощь модерации синтетики; не единственное доказательство о человеке или изображении.
Лицензия CC BY-NC-SA 4.0.