# PairCLIP-SWA单模型提升深度伪造检测表现

> 一项研究发现，对检测器训练过程中的检查点取平均后，模型在两个图像基准上的表现有所提升；其中一个案例还显示，验证集排名可能误导模型选择。

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

研究人员推出了深度伪造图像检测器 PairCLIP-SWA，它基于单个 OpenCLIP 视觉模型构建。研究人员报告称，在 IEEE SP Cup 2025 基准测试中，该模型的准确率为 97.04%，高于采用相同训练方案、已发表的三模型集成方案的 94.46%。

研究人员还发现，验证集上的检查点排名可能会产生误导：在一个基于 OpenForensics 构建的测试集上，根据验证集选出的检查点得分为 88.85%，而平均后的模型得分为 94.76%。这些是论文实验的结果，并不能证明模型对所有类型的深度伪造都有效。

## 事实

- 据研究人员报告，PairCLIP-SWA 在 IEEE SP Cup 2025 中的准确率为 97.04%，AU-ROC 为 98.64%。
- 在一个包含 10,905 张图像、基于 OpenForensics 构建的测试分区上，根据验证集选出的检查点得分为 88.85%；终端平均模型得分为 94.76%。

## 为什么重要

对于选择深度伪造检测器的团队而言，这些结果表明，只依赖验证集得分最高的单个检查点，可能导致模型在独立测试图像上的表现较弱；模型在这些基准之外的表现仍然未知。

## 来源与参考

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

最后更新: 2026-10-30