跳到正文
热点事件持续更新

CoReLoop:参数高效的音频深伪检测循环精炼方法

1 篇报道1 个报道来源7 小时前更新

先了解这件事

AI 综述

Feng Kunyu、Wang Yuxiang等人在arXiv(v3)发布CoReLoop:通过循环专用LoRA和轻量模块,在不更新原检测器参数、不增加训练数据的情况下,为已训练的SSL音频深度伪造检测器增加可控的循环精炼。该方法适应循环输入、调控状态更新,并将精炼后的表示与冻结的分类器对齐。 据论文摘要,在14个测试集上,该方法在3、6、12和24层编码器上均提升合并EER;24层模型经两轮精炼后,EER从4.85%降至3.74%,仅训练约598M参数中的11M。加入可选停止头后,平均1.18轮精炼即可达到3.73%的EER。以上结果基于论文摘要,尚未经独立验证。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月14日
  1. arXiv · cs.AI
    CoReLoop:用参数高效循环精炼提升音频深度伪造检测泛化能力

    CoReLoop通过循环专用LoRA与轻量模块,在不更新原检测器参数、也不增加训练数据的情况下,为已训练SSL音频深度伪造检测器增加可控的循环精炼。基于论文摘要,在14个测试集上,该方法覆盖3、6、12和24层编码器;24层模型采用两轮精炼时,EER从4.85%降至3.74%,仅训练约598M参数中的11M。加入可选停止头后,平均进行1.18轮精炼即可达到3.73%的EER。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。