PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2602.02980v3eess.AS

WaveScat: 음성 딥페이크 탐지를 위한 웨이블릿 산란 프론트엔드 및 자기지도학습 특징

WaveScat: Wavelet Scattering Front-Ends with Self-Supervised Features for Speech Deepfake Detection

음성 딥페이크 탐지를 위한 기존 프론트엔드는 주로 두 가지 유형으로 분류됩니다. 수작업 기반(hand-crafted) 필터뱅크 특징(feature)은 명확하지만 더 높은 수준의 정보를 포착하는 데 한계가 있습니다. 반면 자기지도학습(SSL) 특징은 해석 가능성이 부족하고 미세한 스펙트럼 이상을 간과할 수 있습니다. 본 연구에서는 웨이블릿 산란 변환(WST)을 통해 두 방식의 장점을 결합한 새로운 특징 추출기 계열인 WaveScat을 제안합니다. WST는 웨이블릿 합성곱과 모듈러스 비선형성을 계단식으로 연결하여 변형에 안정적인 다중 스케일 특징을 생성합니다. 최신 Deepfake-Eval-2024 벤치마크 실험과 SpoofCeleb, In-the-Wild, ASVspoof 5에 대한 교차 데이터셋(cross-dataset) 평가 결과, WaveScat이 기존 프론트엔드를 큰 마진(margin)으로 능가함을 보여줍니다. 분석을 통해 작은 평균화 스케일과 고주파수 및 방향 해상도의 결합이 미세한 아티팩트를 포착하는 데 중요하다는 점을 밝혔습니다. 이는 음성 딥페이크 탐지에서 안정적이고 평행이동 불변인 특징의 가치를 강조합니다. 코드 및 보충 자료는 https://github.com/xxuan-acoustics/WaveScat 에서 확인할 수 있습니다.