PulseAugur
中
实时 09:32:03
English(EN) XAI-Grounded Explanation Generation for Speech Deepfake Detection with Training-Free Multimodal Large Language Models

新框架为语音深度伪造检测生成基于事实的解释

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个新颖的、无需训练的框架，通过生成基于XAI证据和多模态大语言模型的多模态大语言模型来增强语音深度伪造检测系统。该方法旨在克服传统XAI方法产生的低级归因信号的局限性，以及LLM生成由于语音深度伪造检测的接地解释数据集有限而常常缺乏特异性的问题。通过将XAI与多模态LLM集成，并从PartialSpoof数据集中构建新的接地解释数据集，该框架通过人类评估和忠实度检查，准确率提高了45%以上。 AI

影响 通过为深度伪造检测提供可理解的解释，提高了AI系统的可信度。

排序理由 该集群包含一篇详细介绍语音深度伪造检测新研究框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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]

  1. arXiv cs.AI TIER_1 English(EN) · Yupei Li, Qiyang Sun, Xiaoliang Wu, Chenxi Wang, Berrak Sisman, Bj\"orn W. Schuller ·

    XAI-Grounded Explanation Generation for Speech Deepfake Detection with Training-Free Multimodal Large Language Models

    arXiv:2606.16137v1 Announce Type: cross Abstract: Speech deepfake detection (SDD) systems require trustworthy explanations for reliable decision-making. Existing explanation ways mainly fall into two categories. Traditional explainable AI (XAI), such as gradient-based attribution…

相关实体

相关话题