# PairCLIP-SWA detecta mejor los deepfakes con un solo modelo

> Un estudio concluye que promediar los puntos de control del entrenamiento de un detector mejoró los resultados en dos pruebas de imágenes, incluso en un caso en que las clasificaciones de validación llevaron a elegir un modelo menos eficaz.

Oossa · 2026-10-30 · https://oossa.com/es/pairclip-swa-reports-stronger-deepfake-detection-with-one-model

Los investigadores presentaron PairCLIP-SWA, un detector de imágenes deepfake basado en un único modelo de visión OpenCLIP. En la prueba IEEE SP Cup 2025, obtuvo una precisión del 97.04%, frente al 94.46% de un conjunto de tres modelos publicado y entrenado con el mismo protocolo.

Los investigadores también descubrieron que las clasificaciones de los puntos de control con datos de validación podían ser engañosas: en un conjunto de prueba derivado de OpenForensics, el punto de control elegido según los resultados de validación obtuvo un 88.85%, mientras que el modelo promediado alcanzó un 94.76%. Estos son resultados de los experimentos del artículo, no pruebas de rendimiento ante todos los tipos de deepfake.

## Los hechos

- En IEEE SP Cup 2025, PairCLIP-SWA obtuvo una precisión del 97.04% y un AU-ROC del 98.64%, según los investigadores.
- En una partición de prueba de 10,905 imágenes derivada de OpenForensics, el punto de control elegido según los resultados de validación obtuvo un 88.85%; el promedio final, un 94.76%.

## Por qué importa

Para los equipos que eligen un detector de deepfakes, los resultados sugieren que confiar en el único punto de control con la mejor puntuación de validación puede traducirse en un rendimiento inferior ante imágenes de prueba independientes; se desconoce cómo funcionaría fuera de estas pruebas de referencia.

## Fuentes y referencias

1. [PairCLIP-SWA: Similarity-Guided Balancing and Stochastic Weight Averaging for Generalized Deepfake Image Detection with OpenCLIP](https://arxiv.org/abs/2610.37874) – arXiv cs.CV, 2026-10-30

Última actualización: 2026-10-30