# PairCLIP-SWA、単一モデルでディープフェイク検出精度向上

> 学習中の複数のチェックポイントを平均すると、画像ベンチマーク2種類で精度が向上したと研究で報告。検証データの順位がモデル選択を誤らせるケースも示された。

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

研究者らは、OpenCLIPのビジョンモデル1つを基盤とするディープフェイク画像検出器「PairCLIP-SWA」を開発した。IEEE SP Cup 2025のベンチマークでは、同じプロトコルで学習した公開済みの3モデルアンサンブルの94.46%に対し、97.04%の精度を達成したと報告している。

研究者らはまた、検証データでのチェックポイントの順位が当てにならない場合があることを発見した。OpenForensicsを基にしたテストセットでは、検証データで選ばれたチェックポイントのスコアが88.85%だったのに対し、平均化したモデルは94.76%だった。これらは論文の実験結果であり、あらゆる種類のディープフェイクで同様の性能が出ることを示すものではない。

## 事実

- 研究者らによると、IEEE SP Cup 2025でPairCLIP-SWAは精度97.04%、AU-ROC 98.64%を記録した。
- OpenForensicsを基にした10,905枚の画像からなるテスト分割では、検証データで選ばれたチェックポイントのスコアは88.85%、最終チェックポイントの平均は94.76%だった。

## なぜ重要か

ディープフェイク検出器を選ぶチームにとって、この結果は、検証スコアが最も高い単一のチェックポイントに頼ると、別のテスト画像で性能が低下する可能性を示している。今回のベンチマーク以外での性能は分かっていない。

## 出典と参考資料

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

最終更新: 2026-10-30