English(EN) SpAArSIST: Sparsified AASIST for Efficient and Reliable Anti-Spoofing

新的 SpAArSIST 模型提高了音频抗欺骗效率

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-11 04:00

研究人员开发了 SpAArSIST，这是 AASIST 模型的一个优化版本，用于音频中的抗欺骗。这种新配置将计算需求降低了 20% 以上，模型尺寸减小了 4%，同时显著提高了域外鲁棒性。该系统还引入了一个复合分数，以帮助根据准确性、校准和计算效率选择要部署的模型。 AI

影响优化音频抗欺骗模型，可能带来更高效可靠的安全系统。

排序理由该集群包含一篇详细介绍新模型架构及其性能改进的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Anton Firc, Vojt\v{e}ch Stan\v{e}k, Zbyn\v{e}k Li\v{c}ka, Kamil Malinka, Martin Pere\v{s}\'ini · 2026-06-11 04:00

SpAArSIST: Sparsified AASIST for Efficient and Reliable Anti-Spoofing

arXiv:2606.11674v1 Announce Type: cross Abstract: We present SpAArSIST, a deployment-oriented refinement of the widely used AASIST graph pooling backend for self-supervised learning (SSL) based anti-spoofing. Motivated by redundant operations in public implementations, we replace…