CoReLoop:不更新原参数提升音频深伪检测
热点事件持续更新
CoReLoop:不更新原参数提升音频深伪检测
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Kunyu Feng 等作者提出 CoReLoop,让已训练的自监督(SSL)音频深度伪造检测器在不新增训练数据、不更新原参数的前提下,通过循环计算提升泛化能力。方法用逐轮 LoRA 与轻量模块调控循环输入和状态更新,使精修后的表示与冻结的分类器对齐。 作者称,该方法在 14 个测试集上改善了 3、6、12、24 层编码器的池化 EER;其中 24 层模型经两轮精修,EER 从 4.85% 降至 3.74%,仅训练 598M 参数中的约 11M 参数。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
CoReLoop:面向音频深度伪造检测的参数高效可控循环精修方法报道时间线
沿着报道,了解事件的不同侧面。
10月15日
- arXiv:cs.AICoReLoop:面向音频深度伪造检测的参数高效可控循环精修方法
CoReLoop 让已训练的 SSL 音频深度伪造检测器在不新增训练数据、不更新原参数的前提下,通过循环计算提升泛化能力。它用逐轮 LoRA 与轻量模块调控循环输入和状态更新,在 14 个测试集上改善了 3、6、12、24 层编码器的池化 EER;24 层模型两轮精修把 EER 从 4.85% 降至 3.74%,仅训练 598M 参数中的约 11M。
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。