# 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.

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

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.

## Fakta

- På IEEE SP Cup 2025 fick PairCLIP-SWA 97.04% träffsäkerhet och 98.64% AU-ROC, enligt forskarna.
- På en testdelmängd med 10,905 bilder baserad på OpenForensics fick den checkpoint som valts utifrån valideringen 88.85%; det slutliga medelvärdet fick 94.76%.

## 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.

## Källor och referenser

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

Senast uppdaterad: 2026-10-30