Oossa

PairCLIP-SWA upptäcker deepfakes bättre med en enda modell

En studie visar att medelvärdesbildning av detektorns träningscheckpoints förbättrade resultaten på två bildtester – även i ett fall där valideringsrankningen ledde till fel modellval.

NotisAv Publicerad av Oossa: 1 min läsning

Forskare har tagit fram PairCLIP-SWA, en deepfake-bilddetektor som bygger på en enda OpenCLIP-bildmodell. På benchmarktestet IEEE SP Cup 2025 rapporterar de en träffsäkerhet på 97.04%, jämfört med 94.46% för en publicerad ensemble med tre modeller som tränats enligt samma upplägg.

Forskarna fann också att rankningen av checkpoints på valideringsdata kunde vara missvisande: på ett testset baserat på OpenForensics fick den checkpoint som valts utifrån valideringen 88.85%, medan den medelvärdesbildade modellen fick 94.76%. Det här är resultat från studiens experiment, inte belägg för hur modellen presterar på alla typer av deepfakes.

Varför det spelar roll

För team som väljer en deepfake-detektor tyder resultaten på att det kan ge sämre prestanda på separata testbilder att förlita sig på den enskilda checkpoint som fått högst valideringspoäng. Prestandan utanför dessa benchmarktester är fortfarande okänd.

Var den här artikeln användbar?
Dela

Läs vidare

Oossa · Nyhetsbrev

Veckans AI, förklarad

Varje måndag: nyheterna som är värda att känna till, på enkel svenska. Gratis, ingen spam.