論文の概要: PairCLIP-SWA: Similarity-Guided Balancing and Stochastic Weight Averaging for Generalized Deepfake Image Detection with OpenCLIP
- arxiv url: http://arxiv.org/abs/2610.37874v1
- Date: Tue, 27 Oct 2026 19:18:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-01 01:32:09.906935
- Title: PairCLIP-SWA: Similarity-Guided Balancing and Stochastic Weight Averaging for Generalized Deepfake Image Detection with OpenCLIP
- Title（参考訳）: PairCLIP-SWA:OpenCLIPを用いた一般化ディープフェイク画像検出のための類似誘導バランシングと確率重み平均化
- Abstract要約: PairCLIP-SWAは、プログレッシブブロック凍結によりOpenCLIP ViT-L/14視覚塔に適応するシングルバックボーン検出器である。
トレーニングログは、平均値がなぜ重要なのかを示している。
OpenForensics由来のベンチマークでは、同じ不安定さが誤解される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deepfake detectors are almost always deployed as the single checkpoint that scored best on a validation split, yet the reliability of that choice is rarely measured. We measure it with PairCLIP-SWA, a single-backbone detector that adapts an OpenCLIP ViT-L/14 visual tower by progressive block unfreezing on a class-balanced corpus built by CLIP-similarity-guided one-to-one subsampling, and averages the fine-tuning trajectory in weight space. Trained in-domain on the IEEE SP Cup 2025 (DF-Wild-Cup) benchmark under the same protocol as the strongest published three-backbone ensemble, the weight-averaged detector reaches 97.04% accuracy, 98.64% AU-ROC and a 4.07% equal error rate, against 94.46%, 97.60% and 5.00%. Its training log shows why averaging matters: over the averaged epochs the non-averaged checkpoint swings across 5.34 points of validation accuracy while its validation loss more than doubles, whereas the average is never worse and is up to 5.99 points better. On an OpenForensics-derived benchmark the same instability becomes a misranking: the checkpoint that validation accuracy selects (98.43%) scores 88.85% on a disjoint 10,905-image test partition, rejecting 21.1% of genuine photographs, while the terminal average, ranked last on validation, scores 94.76%. A study of twenty-two in-house configurations on the identical DF-Wild-Cup split, including preprocessing ablations, shows that CLIP pre-training rather than ensembling drives accuracy, that secondary face cropping costs about 34 points, and that frequency-domain inputs transfer poorly. We recommend per-class selection criteria measured off the early-stopping split.
- Abstract（参考訳）: ディープフェイク検出器は、ほとんどの場合、バリデーション分割で最高のスコアを得た単一のチェックポイントとしてデプロイされるが、その選択の信頼性はめったに測定されない。
PairCLIP-SWAは、CLIP-Similarity-guided one-to-one subsamplingによって構築されたクラスバランスのコーパス上で、プログレッシブブロックアンフリーズによりOpenCLIP ViT-L/14ビジュアルタワーに適応し、重量空間における微調整軌跡を平均化する単一バックボーン検出器である。
IEEE SPカップ2025(DF-Wild-Cup)ベンチマークのドメイン内で、最も強力な3つのバックボーンアンサンブルと同じプロトコルで訓練され、平均的な検出器は97.04%の精度で、98.64%のAU-ROCと4.07%の誤差率で94.46%、97.60%、および5.00%に達した。
トレーニングログは、平均的なチェックポイントが5.34ポイントのバリデーション精度で変動するのに対して、検証損失は2倍以上であるのに対して、平均は決して悪くなく、5.99ポイントまで改善されている。
検証精度が98.43%であるチェックポイントは、10,905画像の分割で88.85%、21.1%、端末の平均は94.76%である。
同一のDF-Wild-Cup分割における22の社内構成について,前処理による改善を含む研究により,CLIPの事前学習が精度向上に寄与し,二次的な顔の刈り取りが34ポイント程度で,周波数領域入力の伝達が不十分であることが示唆された。
早めのスプリットから測定したクラス毎の選択基準を推奨する。
関連論文リスト
- Turing LLM Post-Training: Calibrated Distillation and Efficient Dynamic-MoE Execution [48.87945011066967]
本研究では, 動的経路混合(MoE)モデルのポストトレーニングについて検討し, コンソリデーション効率を維持しつつ, 独立的に最適化されたスペシャリストの統合に着目した。
提案手法は,教師が選択したTop-$K$サポートと教師の損失正規化とクリッピングを併用した校正型多目的蒸留(C-MOPD)と,ポストキャパシティ境界幅ディスパッチ,終局リプレイ,非同期ロールアウト-トレーニングオーバーラップを用いた実行パスを組み合わせたものである。
論文 参考訳（メタデータ） (2026-10-29T11:52:20Z) - Reliability-Aware Checkpoint Selection for Domain Generalization [40.17114894052837]
精度制約付き信頼性選択(AC)について検討する。
ACは、最適なソースバリデーション精度の許容範囲内にチェックポイントを保持し、ソース信頼性でランク付けする。
ACは目標データを使用しず、追加のトレーニングも重量平均化も必要としない。
論文 参考訳（メタデータ） (2026-09-30T15:17:32Z) - When Adaptation Hurts: Split Sensitivity and Person-Level Negative Transfer in Federated Wearable Onboarding [0.0]
フェデレートされたウェアラブルモデルは、最終的にはソーストレーニングを欠席する人々に役立ちます。
リーク制御プロトコルを用いて,5つのウェアラブルデータセット上での6つのコアオンボーディング戦略を評価する。
適応的中核機構は、全5データセットの正平均ゲインと、平均的な平均的個人レベルの損失を2ポイント以上(pp)と組み合わせるものではない。
論文 参考訳（メタデータ） (2026-08-18T15:23:51Z) - Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
PointArena 2026は77.2%の精度でベンチマークで2位である。
ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。
次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
論文 参考訳（メタデータ） (2026-06-29T06:39:03Z) - Online Shift Detection and Conformal Adaptation for Deployed Safety Classifiers [0.0]
デプロイされた安全分類器における分散シフトのオンラインモニタリングシステムを提案する。
検出後、共形吸収層は、目標誤差を回復する決定に適応する。
このシステムは平均遅延39.5800ステップで86.6%の検知を実現している。
論文 参考訳（メタデータ） (2026-06-10T11:24:25Z) - Adaptive Consensus in LLM Ensembles via Sequential Evidence Accumulation: Automatic Budget Identification and Calibrated Commit Signals [0.0]
DASEは、ベンチマークをまたいで一般化するコミット型ルーティングパーティションを生成する。
インジェクション帯域ではなく、適応的な停止が正確さを駆動する。
インジェクションベースの手法は、逆Uの精度-vs-推論軌道を示す。
論文 参考訳（メタデータ） (2026-05-05T19:24:10Z) - Impact of Labeling Inaccuracy and Image Noise on Tooth Segmentation in Panoramic Radiographs using Federated, Centralized and Local Learning [46.232038247686745]
フェデレートラーニング(FL)は、歯科診断AIにおけるプライバシー制約、不均一なデータ品質、一貫性のないラベル付けを緩和する。
複数のデータ破損シナリオを対象としたパノラマX線撮影において,FLと集中学習(CL)と局所学習(LL)を比較した。
論文 参考訳（メタデータ） (2025-09-08T11:07:47Z) - Accurate and Reliable Predictions with Mutual-Transport Ensemble [46.368395985214875]
Kullback-Leibler (KL) を用いた共学習補助モデルの提案とクロスエントロピー損失の適応的正則化
MTEは精度と不確実性の両方を同時に向上させることができる。
例えば、CIFAR-100データセットでは、我々のResNet34/50上のMTEメソッドは、従来の最先端の手法に比べて大幅に改善された。
論文 参考訳（メタデータ） (2024-05-30T03:15:59Z) - (Certified!!) Adversarial Robustness for Free! [116.6052628829344]
逆方向の摂動が0.5の2ノルム以内であることに制約された場合,ImageNetでは71%の精度が証明された。
これらの結果は,モデルパラメータの微調整や再学習を必要とせず,事前学習した拡散モデルと画像分類器のみを用いて得られる。
論文 参考訳（メタデータ） (2022-06-21T17:27:27Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。