Riemannian metric learning

新框架解耦说话人特征以进行深度伪造源验证

研究人员开发了一个名为说话人解耦度量学习（SDML）的新框架，以提高深度伪造语音源验证的准确性。该框架解决了当前系统通常假设源嵌入独立于说话人特征的挑战，而这一假设可能不成立。SDML 结合了利用切比雪夫多项式稳定优化的新颖损失函数，以及在双曲空间中使用黎曼度量距离来减少说话人信息并增强源特征的可辨别性。在 MLAAD 基准测试上的实验证明了该框架的有效性，尤其是在为源说话人解耦设计的专门协议下。