AIRealNet-2

AIRealNet-2

一个小型图像分类器，区分 AI 生成的图片和人类拍摄的照片，针对不同质量的社交媒体图片做了调整。适合筛查图片的审核员、研究者和事实核查人员。

由 Modotte 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：AIRealNet-2 是一个二分类图像分类器，把图片分成 AI 生成或人类拍摄的照片。它是 AIRealNet 的升级版，基于 SwinV2 Tiny 骨干网络，约有 195 million 参数。这个版本针对经过不同方式压缩的社交媒体图片做了调整，这类图片曾经让旧模型误判。训练集有 98k 张图片，AI 图片和人类图片各占一半，并且特意排除了个人照片。

适合谁：适合需要对社交媒体、出版物或媒体平台上的合成图像做第一轮筛查的审核员、研究者、事实核查人员和开发者。

Title: 谁会用它
Industry | Who uses it | How they use it | Example
信任与安全 | 内容审核员 | 标出可能是 AI 生成的图片以供复核 | 在人工检查之前先筛一遍上传的图片
新闻与媒体 | 事实核查人员 | 对可疑图片得到一个初步信号 | 把一张传播很广的图片过一遍分类器
研究 | 合成媒体研究者 | 用一个小型开放检测器做基线 | 在新生成器的图片上测试它

如果你需要为法律案件提供证据，可以跳过它。模型卡说，没有人工佐证就不应用于法律验证。

用在哪里：Hugging Face 的记录列出了 transformers 库，所以 Python 是主要的使用场所。这个模型很小，普通工作站或小型服务器就能运行。

• 带 transformers 图像分类 pipeline 的 Python
• 需要快速信号的审核或复核工具
• Windows、macOS 或 Linux 加 Python，用来下载文件

Title: 它能做的事
Use case | Who | What they get back
AI 图片筛查 | 审核员 | 每张图片一个标签和一个分数
合成媒体研究 | 研究者 | 一个可用来对比的基线检测器
事实核查辅助 | 新闻编辑部 | 一个需要人工复核来确认的初步信号

如何设置：你需要带 pip 的 Python 和 transformers 库，以及放下约 781 MB F32 权重的内存。装好 transformers 之后，可以跟着模型卡给的简短演示做。

• 带 pip 的 Python
• transformers 库
• 约 781 MB F32 权重所需的内存，或按估算 4 位约 98 MB

1. 安装 transformers 库。
2. 下载模型文件，或让 pipeline 自己取。
3. 用 pipeline 处理一张图片。

pip install -U transformers

pip install -U huggingface_hub
hf download Modotte/AIRealNet-2

如何使用：用模型名称创建一个图像分类 pipeline，再把图片传给它。它会返回两个带分数的标签，一个对应真实照片，一个对应人工图像。类别 0 表示 AI 生成，类别 1 表示人类拍摄的照片。图片在进入模型之前会被缩放到 256 乘 256。

from transformers import pipeline

pipe = pipeline("image-classification", model="Modotte/AIRealNet-2")

示例：模型卡展示了一张照片，旧模型因为社交媒体的压缩把它判成了假的。AIRealNet-2 把它标成真实照片，分数接近 1。你仍然应该把分数当作提示，而不是裁决。

新手与专家：如果你是新手，可以把它想成一个快速检查，猜一张图片是来自相机还是生成器。先试几张你已经知道来源的图片，感受一下它的表现。

如果你熟悉这个领域，模型先缩放图像，用 SwinV2 Tiny 视觉 Transformer 提取特征，再接一个二分类头。它在约 98k 张社交媒体图片的训练划分上微调，并在另一个平衡的子集上验证。模型卡列出了它的盲区：细微的编辑、经 AI 编辑的真人图片，以及它没见过的生成器。

图像被缩放到 256 乘 256
SwinV2 Tiny 提取特征
二分类头给两个类别打分
你得到 AI 生成或人类拍摄的照片

注意事项：训练数据在两个类别之间是平衡的，这能避免模型偏向某一类。

Title: 训练数据划分
AI-generated: 50%
Human images: 50%

• License: MIT
• Cost to run: 未提及
• Data it reaches: 来自 Hugging Face 的模型文件，以及你传入的图片
• Not for: 没有人工核对的法律验证、微小的编辑，或经 AI 编辑的真人图片，它检测不出这些

Hugging Face 上的数据（2026年11月13日）

• 任务：image classification
• 框架：transformers
• 参数量：195M
• Weights: about 781 MB in F32; about 98 MB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：492
• 点赞：10
• 许可证：mit
• 基于：Modotte/AIRealNet
• 标签：transformers, safetensors, swinv2, image-classification, safety, modotte, airealnet, sota

链接

• 模型：https://huggingface.co/Modotte/AIRealNet-2
• 文件：https://huggingface.co/Modotte/AIRealNet-2/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download Modotte/AIRealNet-2

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。