論文の概要: WST-Graph: Topology-Preserving Wavelet Scattering Front-End for Speech Deepfake Detection

• arxiv url: http://arxiv.org/abs/2609.29372v1
• Date: Thu, 24 Sep 2026 10:53:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 21:10:09.84918
• Title: WST-Graph: Topology-Preserving Wavelet Scattering Front-End for Speech Deepfake Detection
• Title（参考訳）: WST-Graph:音声深度検出のための位相保存ウェーブレット散乱フロントエンド
• Abstract要約: AASISTグラフバックエンド用のスパース変調キャリヤグリッドとしてパスを再構築するWST-Graphを導入する。 これにより、固定されたパラメータフリーなWSTを持つ波形-グラフインターフェースが得られる。
• 参考スコア（独自算出の注目度）: 16.26514767204281
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The acoustic front-end determines which forensic cues a speech deepfake detector can exploit. The wavelet scattering transform (WST) provides stable multiscale coefficients with explicit coordinates, yet direct flattening obscures the parent relation between paths. We introduce WST-Graph, reconstructing these paths as a sparse modulation-carrier grid for an AASIST graph backend. Modulation-level normalization and length-aware adaptive local attention pooling produce fixed relative-time representations while retaining the acoustic axes before learned adaptation. This yields a waveform-to-graph interface with a fixed, parameter-free WST. Our configurations remain competitive with AASIST while using approximately 60% fewer trainable parameters and show clear gains on selected out-of-domain benchmarks. These results underscore the value of preserving parent-child relations within the carrier-modulation topology when constructing a compact, physically grounded interface for graph-based speech deepfake detection. Code will be released at https://github.com/saki-ciallo/wst-graph.
• Abstract（参考訳）: 音響フロントエンドは、音声ディープフェイク検出器が活用できる法医学的手がかりを決定する。 ウェーブレット散乱変換(WST)は、明確な座標を持つ安定なマルチスケール係数を提供するが、直接平坦化は経路間の親関係を曖昧にする。 我々はWST-Graphを導入し、これらのパスをAASISTグラフバックエンド用のスパース変調キャリアグリッドとして再構築する。 変調レベルの正規化と長値適応型局所的アテンションプールは、学習前のアコースティック軸を維持しながら、固定された相対時間表現を生成する。 これにより、固定されたパラメータフリーなWSTを持つ波形-グラフインターフェースが得られる。 我々の構成は、約60%のトレーニング可能なパラメータを使用しながら、AASISTと競合し続けており、選択されたドメイン外のベンチマークで明らかな利得を示している。 これらの結果は、グラフベース音声深度検出のためのコンパクトで物理的に接地されたインタフェースを構築する際に、キャリア変調トポロジ内で親子関係を保存することの価値を浮き彫りにする。 コードはhttps://github.com/saki-ciallo/wst-graphで公開される。

関連論文リスト

• GraViti: Graph-Level Variational Autoencoders with Relaxed Permutation Invariance [20.535256323518215]
  グラフレベルの変分オートエンコーダであるGraVitiを導入し,グラフ全体をコンパクトな潜在ベクトルにマッピングする。 分子ベンチマークでは、GraVitiはトレーニングデータに存在する化学的な制約に従う有効なサンプルをデコードすることを学ぶ。 GraVitiは、大規模なデータセット上で最先端の再構築精度を達成し、安定した生成性能を提供する。
  論文  参考訳（メタデータ） (2026-05-15T22:08:45Z)
• Triple Spectral Fusion for Sensor-based Human Activity Recognition [86.21994396715074]
  本稿では,センサを用いたヒューマンアクティビティ認識(HAR)に適した新しい三重スペクトル融合フレームワークを提案する。 雑音抑制のための適応的な補間フィルタリング手法を開発し,各IMUセンサを姿勢・運動モードノードに整理する。 適応ウェーブレット周波数選択手法により、コンテキストの冗長性を抑え、特徴の長さを短縮する。
  論文  参考訳（メタデータ） (2026-05-04T15:42:58Z)
• RAID: Retrieval-Augmented Anomaly Detection [67.48358323718817]
  RAIDは、ノイズ耐性の異常検出と局所化のために設計された検索拡張UADフレームワークである。 RAIDは階層ベクトルデータベースからクラス、セマンティック、インスタンスレベルの表現を取得する。 RAIDはMVTec、VisA、MPDD、BTADベンチマークのフルショット、少数ショット、マルチデータセット設定で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-02-23T08:54:27Z)
• Depth Completion as Parameter-Efficient Test-Time Adaptation [66.72360181325877]
  CAPAはパラメータ効率のよいテスト時間最適化フレームワークであり、深度補完のために事前訓練された3D基礎モデル(FM)を適用する。 ビデオの場合、CAPAはシーケンスレベルのパラメータ共有を導入し、時間的相関を利用して、堅牢性を改善し、複数フレームの一貫性を強制するために、すべてのフレームを共同で適用する。
  論文  参考訳（メタデータ） (2026-02-16T13:53:23Z)
• SMKC: Sketch Based Kernel Correlation Images for Variable Cardinality Time Series Anomaly Detection [0.0]
  運用環境では、監視システムはセンサーチャーンを頻繁に経験する。 本稿では,異常検出器から動的入力構造を分離するフレームワークSMKCを提案する。 SMKC表現におけるランダムプロジェクションと近傍近傍の検出器は、完全に訓練されたベースラインと競合する。
  論文  参考訳（メタデータ） (2026-01-28T21:15:11Z)
• Semi-supervised Instruction Tuning for Large Language Models on Text-Attributed Graphs [62.544129365882014]
  本稿では,SIT-Graph というグラフ学習用セミ教師付きインストラクションチューニングパイプラインを提案する。 SIT-Graphはモデルに依存しず、LSMを予測子として利用するグラフ命令チューニングメソッドにシームレスに統合することができる。 SIT-Graphは、最先端グラフチューニング手法に組み込むと、テキスト分散グラフベンチマークの性能を大幅に向上することを示した。
  論文  参考訳（メタデータ） (2026-01-19T08:10:53Z)
• Context-aware gate set tomography: Improving the self-consistent characterization of trapped-ion universal gate sets by leveraging non-Markovianity [45.88028371034407]
  ゲートセットトモグラフィ(GST)は、ノイズの多い量子ゲート、状態準備、測定の完全なセットを推定する。 当初、GSTはゲートを順次適用することで推定精度を向上させる。 ゲートセットのパラメトリゼーションにコンテキスト依存を組み込むことで, GSTのサンプリングコストを低減できることを示す。
  論文  参考訳（メタデータ） (2025-07-03T11:37:36Z)
• Structural Alignment Improves Graph Test-Time Adaptation [17.564393890432193]
  グラフテスト時間適応(GTTA)のための新しいアルゴリズムであるテスト時間構造アライメント(TSA)を導入する。 TSAは、ソースデータにアクセスすることなく、推論中にグラフ構造を整列する。 合成および実世界のデータセットの実験は、TSAが非グラフTTA法と最先端GTTAベースラインの両方で一貫した性能を実証している。
  論文  参考訳（メタデータ） (2025-02-25T16:26:25Z)
• MAPS: A Noise-Robust Progressive Learning Approach for Source-Free Domain Adaptive Keypoint Detection [76.97324120775475]
  クロスドメインキーポイント検出方法は、常に適応中にソースデータにアクセスする必要がある。 本稿では、ターゲット領域に十分に訓練されたソースモデルのみを提供する、ソースフリーなドメイン適応キーポイント検出について考察する。
  論文  参考訳（メタデータ） (2023-02-09T12:06:08Z)

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。