# PairCLIP-SWA detecta deepfakes melhor com um único modelo

> Estudo mostra que calcular a média dos checkpoints de treinamento de um detector melhorou os resultados em dois benchmarks de imagem, inclusive em um caso em que a classificação na validação levou a uma escolha equivocada do modelo.

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

Pesquisadores apresentaram o PairCLIP-SWA, um detector de imagens deepfake baseado em um único modelo de visão OpenCLIP. No benchmark IEEE SP Cup 2025, eles relatam acurácia de 97.04%, ante 94.46% de um ensemble publicado de três modelos, treinado sob o mesmo protocolo.

Os pesquisadores também descobriram que a classificação dos checkpoints com base nos dados de validação podia ser enganosa: em um conjunto de teste derivado do OpenForensics, o checkpoint escolhido pela validação obteve 88.85%, enquanto o modelo com os valores médios alcançou 94.76%. Esses são resultados dos experimentos do artigo, não uma comprovação de desempenho em todos os tipos de deepfake.

## Os fatos

- No IEEE SP Cup 2025, o PairCLIP-SWA obteve acurácia de 97.04% e AU-ROC de 98.64%, segundo os pesquisadores.
- Em uma partição de teste derivada do OpenForensics, com 10,905 imagens, o checkpoint escolhido pela validação obteve 88.85%; a média final, 94.76%.

## Por que importa

Para equipes que escolhem um detector de deepfakes, os resultados sugerem que confiar no checkpoint com a melhor pontuação de validação pode levar a um desempenho inferior em imagens de teste separadas; o desempenho além desses benchmarks ainda é desconhecido.

## Fontes e referências

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 atualização: 2026-10-30