本研究では、音声ディープフェイク検出のための新しい手法として、専門家の組み合わせ(Mixture of Experts)アーキテクチャを提案している。このアプローチでは、異なるデータセットに対して事前に訓練された複数の検出器(専門家)を統合し、入力に応じて動的に各専門家の重みを決定することで、幅広いデータに対する一般化性と適応性を高めることができる。
具体的には、4つの専門家を用いた2つのMoEモデル(標準型とエンハンスド型)を提案している。標準型モデルでは、入力音声信号を直接各専門家とゲーティングネットワークに入力する。一方、エンハンスド型モデルでは、各専門家の内部表現を用いてゲーティングネットワークの入力を構築することで、専門家の知識をより効果的に活用する。
実験の結果、提案手法は既存の手法と比較して優れた検出性能を示し、特に未知のデータセットに対する一般化性が高いことが確認された。また、ゲーティングネットワークの分析から、各専門家の重要度がデータセットによって大きく異なることが明らかになった。これは、MoEアーキテクチャがデータの特性に応じて柔軟に専門家を組み合わせられることを示唆している。
今後の課題としては、新しいMoEアーキテクチャの検討や、専門家の数を増やすことによるスケーラビリティの評価などが挙げられる。
Sang ngôn ngữ khác
từ nội dung nguồn
arxiv.org
Thông tin chi tiết chính được chắt lọc từ
by Viola Negron... lúc arxiv.org 09-25-2024
https://arxiv.org/pdf/2409.16077.pdfYêu cầu sâu hơn