К содержимому
Другое

mars-dfd-hr

детектор дипфейков и поддельных видео

2 мин чтенияобновлено

Модель определяет, подвергалось ли видео цифровым манипуляциям или генерации, выдавая на выходе вероятность подделки (P(manipulated)) для всего ролика. В основе лежит замороженный энкодер OpenAI CLIP ViT-L/14, дополненный обучаемыми MoE-адаптерами (Mixture-of-Experts — архитектура с несколькими специализированными подсетями-экспертами); реимплементацию подготовили исследователи из Vector Institute в рамках статьи MARS. В отличие от простых покадровых классификаторов, модель анализирует каждый кадр в разрешении 448×448 сразу в двух масштабах: как общий план 224×224 и как сетку из четырёх фрагментов 224×224, а в верхних слоях использует маршрутизаторы токенов и слоёв для отбора ключевых признаков и раннего выхода. Инструмент пригодится разработчикам систем модерации контента, специалистам по верификации медиа и исследователям безопасности.

Ключевые особенности

  • Два режима анализа кадра: каждый второй кадр масштабируется до 448×448 и подаётся одновременно как целое изображение и как 4 тайла 224×224.
  • Готовый ONNX-граф: помимо весов model.safetensors (415 МБ), в репозитории лежит автономный model.onnx (1.63 ГБ) со встроенным энкодером CLIP, который запускается через ONNX Runtime без PyTorch.
  • Динамическая маршрутизация: в блоках 21–23 работают роутеры токенов и слоёв, отсеивающие лишние вычисления на простых фрагментах.
  • Открытая лицензия: веса адаптеров распространяются под лицензией Apache 2.0 (сам базовый энкодер подгружается от OpenAI под его лицензией).

Что можно сделать

  • Встроить проверку входящих роликов в пайплайн модерации или антифрода с помощью одного файла model.onnx на CPU или GPU.
  • Использовать модель как готовый бейзлайн для сравнения собственных детекторов дипфейков на стандартных датасетах вроде FaceForensics++ и Celeb-DF v2.
  • Откалибровать порог срабатывания fake_prob на собственной валидационной выборке для фильтрации синтетических видео с разных генераторов.

Пример

import numpy as np
import onnxruntime as ort
from huggingface_hub import hf_hub_download

session = ort.InferenceSession(
    hf_hub_download("vector-institute/mars-dfd-hr", "model.onnx"),
    providers=["CUDAExecutionProvider", "CPUExecutionProvider"],
)
# frames: (1, 64, 3, 448, 448) float32 в [-1, 1]; n_valid: число реальных кадров
prob = session.run(["fake_prob"], {"frames": frames, "n_valid": np.array([64], dtype=np.int64)})[0][0]
ПодробнееБенчмарки (video-level AUROC): FaceForensics++ — 99.80%, DeepfakeTIMIT — 99.59%, Celeb-DF v2 — 93.89%, GenVideo — 79.48%, среднее по 7 датасетам — 90.03%.
Обучение: 3 эпохи на FaceForensics++ (c23) и синтетических сценах GTA-V (SAIL-VOS 3D) на 4× NVIDIA A40.
Вход: клипы по 64 кадра (берётся каждый 2-й кадр видео), разрешение 448×448.
Ограничения: выходные вероятности не калиброваны — для бинарного решения требуется подобрать порог на своих данных; в ONNX используется float32 вместо bfloat16.
Обсудить Telegram 0 8

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 0.4 GB · готовые файлы0.9 GB
  • BF16веса 0.2 GB0.7 GB
  • FP8 / INT8рекомендуемвеса 0.1 GB0.6 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 · F32 — 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.

    # vector-institute/mars-dfd-hr
    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 vector-institute/mars-dfd-hr --local-dir ~/models/mars-dfd-hr
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к mars-dfd-hr
  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

Дообучение модели

openai/clip-vit-large-patch14

Новые посты про версии clip-vit-large-patch14 — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 6Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 1Все на Hugging Face

О модели

vector-institute/mars-dfd-hr
Автор
vector-institute
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

80

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии