論文の概要: Sparse deepfake detection promotes better disentanglement
- arxiv url: http://arxiv.org/abs/2510.05696v1
- Date: Tue, 07 Oct 2025 09:03:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-08 17:57:08.170171
- Title: Sparse deepfake detection promotes better disentanglement
- Title（参考訳）: スパースディープフェイク検出はより良い絡み合いを促進する
- Authors: Antoine Teissier, Marie Tahon, Nicolas Dugué, Aghilas Sini,
- Abstract要約: スパースディープフェイク検出は,ASVSpoof5テストセット上でのEERの23.36%で検出性能が95%向上することを示した。
次に,これらの表現が相互情報に基づく完全性およびモジュラリティの指標を用いて,より不整合性を示すことを示す。
- 参考スコア（独自算出の注目度）: 4.901409400999413
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Due to the rapid progress of speech synthesis, deepfake detection has become a major concern in the speech processing community. Because it is a critical task, systems must not only be efficient and robust, but also provide interpretable explanations. Among the different approaches for explainability, we focus on the interpretation of latent representations. In such paper, we focus on the last layer of embeddings of AASIST, a deepfake detection architecture. We use a TopK activation inspired by SAEs on this layer to obtain sparse representations which are used in the decision process. We demonstrate that sparse deepfake detection can improve detection performance, with an EER of 23.36% on ASVSpoof5 test set, with 95% of sparsity. We then show that these representations provide better disentanglement, using completeness and modularity metrics based on mutual information. Notably, some attacks are directly encoded in the latent space.
- Abstract（参考訳）: 音声合成の急速な進歩により、ディープフェイク検出は音声処理コミュニティにおいて大きな関心事となっている。
これは重要なタスクであるため、システムは効率的で堅牢であるだけでなく、解釈可能な説明を提供する必要がある。
説明可能性の異なるアプローチの中で、潜在表現の解釈に焦点を当てる。
本稿では,ディープフェイク検出アーキテクチャであるAASISTの最終層に焦点をあてる。
我々は、このレイヤ上のSAEにインスパイアされたTopKアクティベーションを使用して、決定プロセスで使用されるスパース表現を得る。
我々は,ASVSpoof5 テストセット上での EER の23.36% で,スパースディープフェイク検出が検出性能を向上させることを実証した。
次に,これらの表現が相互情報に基づく完全性およびモジュラリティの指標を用いて,より不整合性を示すことを示す。
特に、いくつかの攻撃は潜伏空間で直接エンコードされる。
関連論文リスト
- Generalizable Speech Deepfake Detection via Information Bottleneck Enhanced Adversarial Alignment [48.73836179661632]
信頼誘導対向アライメントは、識別的手がかりを消去することなく攻撃固有のアーティファクトを適応的に抑制する。
IB-CAANは、多くのベンチマークにおいて、ベースラインと最先端のパフォーマンスを一貫して上回る。
論文 参考訳（メタデータ） (2025-09-28T03:48:49Z) - Uncovering Critical Features for Deepfake Detection through the Lottery Ticket Hypothesis [1.723963662326051]
ディープフェイク技術は情報整合性と社会的信頼に重大な課題をもたらす。
本研究では,LTH(Lottery Ticket hypothesis)のディープフェイク検出への応用について検討した。
検出精度を高く保ちながら、ニューラルネットワークを効率的に刈り取る方法について検討する。
論文 参考訳（メタデータ） (2025-07-21T13:58:24Z) - XAI-Based Detection of Adversarial Attacks on Deepfake Detectors [0.0]
我々は,XAIを用いたディープフェイク検出器に対する敵攻撃を識別するための新しい手法を提案する。
本手法は, ディープフェイクの検出だけでなく, 敵攻撃の可能性に対する理解の向上にも寄与する。
論文 参考訳（メタデータ） (2024-03-05T13:25:30Z) - Transcending Forgery Specificity with Latent Space Augmentation for Generalizable Deepfake Detection [57.646582245834324]
LSDAと呼ばれる簡易で効果的なディープフェイク検出器を提案する。
より多様な偽の表現は、より一般化可能な決定境界を学べるべきである。
提案手法は驚くほど有効であり, 広く使用されている複数のベンチマークで最先端の検出器を超越することを示す。
論文 参考訳（メタデータ） (2023-11-19T09:41:10Z) - CrossDF: Improving Cross-Domain Deepfake Detection with Deep Information Decomposition [53.860796916196634]
クロスデータセットディープフェイク検出(CrossDF)の性能を高めるためのディープ情報分解(DID)フレームワークを提案する。
既存のディープフェイク検出方法とは異なり、我々のフレームワークは特定の視覚的アーティファクトよりも高いレベルのセマンティック特徴を優先する。
顔の特徴をディープフェイク関連情報と無関係情報に適応的に分解し、本質的なディープフェイク関連情報のみを用いてリアルタイム・フェイク識別を行う。
論文 参考訳（メタデータ） (2023-09-30T12:30:25Z) - Be Your Own Neighborhood: Detecting Adversarial Example by the
Neighborhood Relations Built on Self-Supervised Learning [64.78972193105443]
本稿では,予測に有効な新しいAE検出フレームワークを提案する。
AEの異常な関係と拡張バージョンを区別して検出を行う。
表現を抽出し、ラベルを予測するために、既製の自己監視学習(SSL)モデルが使用される。
論文 参考訳（メタデータ） (2022-08-31T08:18:44Z) - Detecting Adversarial Perturbations in Multi-Task Perception [32.9951531295576]
本稿では,複雑な視覚タスクのマルチタスク認識に基づく,新たな対向摂動検出手法を提案する。
入力画像の抽出されたエッジと深度出力とセグメンテーション出力との不整合により、逆摂動を検出する。
5%の偽陽性率を仮定すると、画像の最大100%は逆摂動として正しく検出され、摂動の強さに依存する。
論文 参考訳（メタデータ） (2022-03-02T15:25:17Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。