跳到正文
arXiv · ML· Daniel Niekurzak, Daniel Kozuch, Weronika Folwarska, Khan Muhammad, Rafa{\l} Scherer·· 10 天前AI 评分21

正常性漂移:用于开放世界音频深伪检测的多层级 WavLM 建模

When Normality Shifts: Multi-Level WavLM Modeling for Open-World Audio Deepfake Detection

AI 导读

研究提出 MLN-WavLM 方法,利用冻结 WavLM Base+ 的隐藏状态构建无攻击正常性模型,在 ASVspoof 2019 上实现 8.45% EER,接近监督基线。 该模型在 ASVspoof 2021 域漂移下性能骤降至 22.12% EER,且无法通过阈值自适应恢复低误报率下的召回率,证明单一正常性模型难以应对开放世界场景。

来源:arXiv · ML · arxiv.org