real-vs-ai-corpus

Real vs AI Corpus 是一个大规模的二分类图像数据集，专为训练AI图像检测器而设计。该数据集由Zitacron从17个公开的HuggingFace数据源流式合并而成，无需中间本地存储。数据集包含真实图像和AI生成图像两类，总规模在1000万到1亿之间。每个样本包含以下字段：image（PIL格式的RGB图像）、label（0表示真实图像，1表示AI生成图像）、label_text（"real"或"ai"的文本标签）、source_dataset（来源数据集的HuggingFace仓库ID）和source_license（来源数据集的SPDX许可证ID）。所有组成数据源均采用CC BY 4.0、Apache 2.0或MIT许可证，完全可用于商业用途。使用该数据集训练的模型可以不受限制地用于商业用途，但需要遵守相应的归属要求。该数据集特别适用于计算机视觉领域的AI图像检测任务。