---

library_name: pytorch
pipeline_tag: image-classification
tags:

- computer-vision
- image-forensics
- ai-image-detection
- dinov2
- safetensors

---

# Raven
Raven은 실제 사진과 AI 생성 이미지를 구분하기 위해 만든 이미지 포렌식 모델입니다.

최종 출력은 `REAL`, `AI`, `UNCERTAIN` 로 총 3가지이고, AI 데이터는 GPT Image 2 계열을 기준으로 합니다.

판정 기준은 다음과 같습니다.

```text
REAL       p(AI) <= 0.28
UNCERTAIN  0.28 < p(AI) < 0.72
AI         p(AI) >= 0.72
```

## 예시코드

```python
import warnings
warnings.filterwarnings("ignore")

import sys
from pathlib import Path

HERE = Path(__file__).resolve().parent
sys.path.insert(0, str(HERE))

from raven.inference import infer_image

model = HERE / "model.safetensors"

image_extensions = {
    ".png",
    ".jpg",
    ".jpeg",
    ".webp",
    ".bmp",
}

images = sorted(
    [
        file for file in HERE.iterdir()
        if file.is_file()
        and file.suffix.lower() in image_extensions
    ],
    key=lambda p: p.name.lower()
)

for image in images:
    print(f"File: {image.name}")

    result = infer_image(
        str(model),
        str(image),
    )

    print(f"Verdict: {result['verdict']}")
    print(f"AI: {result['ai_probability'] * 100:.2f}%")
    print(f"REAL: {result['real_probability'] * 100:.2f}%")
    print()
```

## Benchmark

Validation 데이터는 총 **4,470장**입니다.

* REAL: 3,003
* AI: 1,467

| Metric                |       Result |              95% CI |
| --------------------- | -----------: | ------------------: |
| Accuracy              |  **98.635%** |   98.251% - 98.936% |
| Balanced Accuracy     |  **98.566%** |   98.159% - 98.935% |
| AUROC                 | **0.998255** | 0.997220 - 0.999083 |
| Balanced AP           | **0.998472** | 0.997685 - 0.999135 |
| AI confirmed recall   |  **97.001%** |   95.998% - 97.758% |
| REAL confirmed recall |  **97.502%** |   96.881% - 98.003% |
| AI to REAL error       |   **0.954%** |     0.569% - 1.596% |
| REAL to AI error       |   **0.599%** |     0.379% - 0.946% |
| Coverage              |  **98.054%** |                   - |
| Selective accuracy    |  **99.207%** |                   - |
| Uncertain             |   **1.946%** |                   - |
| Balanced Brier        | **0.011403** |                   - |
| Balanced ECE          | **0.005572** |                   - |

### Decisions

AI 1,467장:

```text
AI             1,423
REAL              14
UNCERTAIN         30
```

REAL 3,003장:

```text
REAL           2,928
AI                18
UNCERTAIN         57
```

## REAL-only Test

별도로 분리된 REAL 이미지 **2,986장**에서도 평가를 하였습니다.

| Metric                |      Result |            95% CI |
| --------------------- | ----------: | ----------------: |
| Accuracy              | **98.225%** | 97.686% - 98.640% |
| REAL confirmed recall | **96.383%** | 95.652% - 96.995% |
| REAL to AI error       |  **1.038%** |   0.732% - 1.470% |
| Coverage              | **97.421%** |                 - |
| Selective accuracy    | **98.934%** |                 - |
| Uncertain             |  **2.579%** |                 - |

실제 판정 결과:

```text
REAL           2,878
AI                31
UNCERTAIN         77
```

## Lighting

Validation 데이터의 밝기별 결과입니다.

| Group        |     N | Accuracy |    AUROC | AI Recall | REAL Recall | Uncertain |
| ------------ | ----: | -------: | -------: | --------: | ----------: | --------: |
| dark         |   299 |  99.331% | 0.999498 |   98.611% |     92.771% |    2.676% |
| dim          | 1,137 |  98.769% | 0.999256 |   97.767% |     97.139% |    2.199% |
| extreme-dark |    28 |  96.429% | 1.000000 |   94.444% |     90.000% |    7.143% |
| normal       | 3,006 |  98.536% | 0.997519 |   96.265% |     97.840% |    1.730% |

extreme-dark는 표본 수가 적기 때문에 다른 구간보다 수치의 불확실성이 클 수 있습니다.

## Limitations

현재 AI 학습 데이터는 **GPT Image 2**를 중심으로 구성되어 있습니다.

따라서 위 benchmark는 GPT Image 2 계열과 현재 REAL 데이터 분포에서의 성능을 나타냅니다.

다음과 같은 경우 동일한 성능을 보장하지 않습니다.

* 학습에 포함되지 않은 AI 생성 모델
* 강한 JPEG 재압축
* 스크린샷
* 업스케일 및 노이즈 제거
* 과도한 색보정 또는 후처리
* 이미지 일부만 합성된 경우
* 매우 어두운 이미지

특히 Midjourney, FLUX, Stable Diffusion 등 다른 생성기에서의 성능은 별도로 검증되어야 합니다.

Raven의 출력은 이미지 출처에 대한 확률 기반 포렌식 판단이며, 이미지가 AI로 생성되었음을 증명하는 절대적인 증거로 사용해서는 안 됩니다.