# PairCLIP-SWA detecteert deepfakes beter met één model

> Uit onderzoek blijkt dat het middelen van trainingscheckpoints van een detector de resultaten op twee beeldbenchmarks verbeterde. Ook bleek dat validatiescores tot een verkeerde modelkeuze kunnen leiden.

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

Onderzoekers introduceerden PairCLIP-SWA, een detector voor deepfakebeelden die is gebaseerd op één OpenCLIP-visionmodel. Op de IEEE SP Cup 2025-benchmark rapporteert het team een nauwkeurigheid van 97.04%, tegenover 94.46% voor een gepubliceerde ensemble van drie modellen die volgens hetzelfde protocol is getraind.

De onderzoekers ontdekten ook dat de rangschikking van checkpoints op basis van validatiedata misleidend kan zijn: op een testset op basis van OpenForensics scoorde het checkpoint dat op de validatiedata was geselecteerd 88.85%, terwijl het model op basis van gemiddelde checkpoints 94.76% behaalde. Dit zijn resultaten uit de experimenten in het artikel, geen bewijs voor prestaties bij alle soorten deepfakes.

## De feiten

- Volgens de onderzoekers behaalde PairCLIP-SWA op IEEE SP Cup 2025 een nauwkeurigheid van 97.04% en een AU-ROC van 98.64%.
- Op een testpartition van 10,905 afbeeldingen op basis van OpenForensics scoorde het checkpoint dat op de validatiedata was geselecteerd 88.85%; het gemiddelde van de laatste checkpoints behaalde 94.76%.

## Waarom het ertoe doet

Voor teams die een deepfakedetector kiezen, suggereren de resultaten dat vertrouwen op het ene checkpoint met de beste validatiescore kan leiden tot zwakkere prestaties op afzonderlijke testbeelden. Hoe de detector buiten deze benchmarks presteert, is nog onbekend.

## Bronnen en referenties

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

Laatst bijgewerkt: 2026-10-30