两篇新的研究论文提出了在不断变化的环境中检测音频深度伪造的先进方法。SE-ADD 使用具有错误驱动监督的自演进框架来适应新的欺骗攻击,显著降低了 Qwen2-Audio 和 MOSS-Audio 等模型的等错误率 (EER)。RF-Prompt 提供了一种非对称的持续提示学习方法,在适应新的深度伪造机制的同时保留真实语音的知识,在旨在隔离不断演变的深度伪造方法影响的受控协议上实现了低 EER。 AI
影响 音频深度伪造检测在持续学习方面的这些进展可能导致更强大的防御措施,以应对不断演变的 AI 生成音频威胁。
排序理由 两篇在 arXiv 上发表的学术论文,提出了新颖的音频深度伪造检测方法。
- alphaXiv
- arXiv
- CatalyzeX
- DagsHub
- Gotit.pub
- Hugging Face
- MOSS-Audio
- Qwen2-Audio
- RF-Prompt
- ScienceCast
- SE-ADD
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →