Aug, 2024
多视角自监督表示与时间变异性应对ASVspoof5深度伪造挑战
Temporal Variability and Multi-Viewed Self-Supervised Representations to
Tackle the ASVspoof5 Deepfake Challenge
TL;DR本研究针对ASVspoof5开放领域音频深度伪造检测中的关键问题，探讨多种反制措施的有效性，特别是引入频率掩蔽方法以增强模型的鲁棒性。实验结果表明，结合多尺度时间信息和自监督学习特征，显著提高了模型性能，表明该方法在音频安全领域具有重要应用潜力。