論文の概要: GLAD: Global-Local Adaptive Detector for Robust Speech Deepfake Detection

• arxiv url: http://arxiv.org/abs/2609.35411v1
• Date: Mon, 28 Sep 2026 15:29:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-02 05:44:49.981011
• Title: GLAD: Global-Local Adaptive Detector for Robust Speech Deepfake Detection
• Title（参考訳）: GLAD:ロバスト音声深度検出のためのグローバルローカル適応検出器
• Abstract要約: 音声深度検出のためのGlobal-Local Adaptive Detector (GLAD)を提案する。 ローカライズされた偽造品を捉えるため、GLADはグローバルな言語的特徴と音響的特徴を微粒な局所信号で融合する。 オフ・オブ・ディストリビューション(OOD)シナリオにおける重層的シフトに対処するため,階層型適応ゲーティング機構を導入する。 最後に,環境バイアスによるショートカット学習に対処するために,SaniBoostを紹介する。
• 参考スコア（独自算出の注目度）: 11.086762562761367
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent advances in AI-based speech synthesis have enabled highly realistic speech, increasing the importance of speech deepfake detection (SDD) in preventing misuse. While mainstream Self-Supervised Learning (SSL)-based detectors achieve strong performance, they suffer from poor generalization to unseen domains and often overlook fine-grained signal artifacts due to a bias towards global semantic consistency. In this paper, we conduct the first detailed empirical and visual analysis to validate these limitations explicitly. Our investigation reveals two critical architectural vulnerabilities: (1) a systemic failure to capture localized spoofing traces, and (2) a severe lack of adaptability to domain-driven shifts in SSL layer importance, rendering static aggregation strategies prone to overfitting. To address these vulnerabilities, we propose the Global-Local Adaptive Detector (GLAD). Specifically, to capture localized forgeries, GLAD employs a Hierarchical Global-Local (HGL) backbone that explicitly bridges the granularity gap by fusing global linguistic and acoustic features with fine-grained local signal details. To counter layer importance shifts in out-of-distribution (OOD) scenarios, we introduce a Hierarchical Adaptive Gating (HAG) mechanism that dynamically recalibrates layer-wise focus in a sample-specific manner. Finally, to address shortcut learning induced by environmental biases, we introduce SaniBoost, a composite data augmentation strategy for robust signal standardization and noise sanitization. Extensive experiments demonstrate that GLAD significantly outperforms state-of-the-art methods, particularly on unseen domain cases.The code will be released upon publication.
• Abstract（参考訳）: AIに基づく音声合成の最近の進歩により、非常に現実的な音声が実現され、誤用を防ぐための音声深度検出(SDD)の重要性が高まっている。 主流の自己監視学習(SSL)ベースの検出器は高い性能を達成するが、目に見えない領域への一般化が貧弱で、大域的なセマンティック一貫性へのバイアスのため、しばしば微細な信号アーティファクトを見落としている。 本稿では,これらの制約を明示的に検証するために,最初の詳細な経験的および視覚的分析を行う。 1) 局所的なスプーフィングトレースを捕捉するシステム的障害,(2) SSL層の重要性におけるドメイン駆動シフトへの適応性の深刻な欠如,そして静的アグリゲーション戦略が過度に適合する傾向にある,という2つの重要なアーキテクチャ上の脆弱性が明らかになった。 これらの脆弱性に対処するため,Global-Local Adaptive Detector (GLAD)を提案する。 具体的には、ローカライズされた偽造品を捕獲するために、GLADは階層的グローバルローカル(HGL)バックボーンを使用し、グローバル言語的特徴と音響的特徴を微細な局所的な信号の詳細で融合することによって、粒度ギャップを明示的に橋渡しする。 オフ・オブ・ディストリビューション(OOD)シナリオにおけるレイヤの重要性のシフトに対応するために,階層型適応ゲーティング(HAG)機構を導入する。 最後に,環境バイアスに起因したショートカット学習に対処するために,ロバスト信号の標準化とノイズ浄化のための複合データ拡張戦略であるSaniBoostを紹介する。 大規模な実験により、GLADは最先端のメソッド、特に目に見えないドメインのケースで大幅に性能が向上し、コードが公開される。

関連論文リスト

• The Regularizing Power of Language-Training Deepfake Detectors [57.529452351298495]
  ディープフェイク検出は一般的に、低レベルのドメイン固有のアーティファクトへの過度な適合に悩まされる。 デュアルエンコーダアーキテクチャを使用し、凍結した特殊検出器とLoRA調整されたMLLMエンコーダをペアリングする。 我々は、モデルが分類する前に記述的推論を生成することを奨励する強化学習段階を採用している。
  論文  参考訳（メタデータ） (2026-05-29T12:01:17Z)
• Reasoning-Aware AIGC Detection via Alignment and Reinforcement [55.09684020007737]
  REVEALは、分類の前に解釈可能な推論チェーンを生成するフレームワークである。 複数のベンチマークで最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2026-04-21T07:29:55Z)
• LOGER: Local--Global Ensemble for Robust Deepfake Detection in the Wild [17.30735058274559]
  LOGERはロバストディープフェイク検出のためのLOcal-Global Ensembleフレームワークである。 LOGERは、NTIRE 2026 Robust Deepfake Detection Challengeで2位を獲得した。
  論文  参考訳（メタデータ） (2026-04-04T02:56:11Z)
• Topo-R1: Detecting Topological Anomalies via Vision-Language Models [42.86510112477789]
  トポロジカルな正確性は、血管、神経線維、道路網などの構造にとって重要である。 我々は,様々なトポロジ的異常を検証可能なアノテーションで合成する自動データキュレーションパイプラインを開発した。 次に、トポロジを意識した視覚言語モデルを実現するフレームワークであるTopo-R1を紹介する。
  論文  参考訳（メタデータ） (2026-03-13T15:05:04Z)
• DeepShield: Fortifying Deepfake Video Detection with Local and Global Forgery Analysis [59.8324489002129]
  ローカルな感度とグローバルな一般化のバランスを保ち、目に見えない偽造品間の堅牢性を改善するディープフェイク検出フレームワークであるDeepShieldを紹介する。 DeepShieldは、時間的アーティファクトモデリングとパッチ単位での監視を適用して、グローバルモデルでしばしば見過ごされる微細な不整合をキャプチャする。
  論文  参考訳（メタデータ） (2025-10-29T07:35:29Z)
• Crane: Context-Guided Prompt Learning and Attention Refinement for Zero-Shot Anomaly Detection [50.343419243749054]
  異常検出は、医学診断や工業的欠陥検出などの分野において重要である。 CLIPの粗粒化画像テキストアライメントは、微粒化異常に対する局所化と検出性能を制限する。 クレーンは最先端のZSADを2%から28%に改善し、画像レベルとピクセルレベルの両方で、推論速度では競争力を維持している。
  論文  参考訳（メタデータ） (2025-04-15T10:42:25Z)
• GlocalCLIP: Object-agnostic Global-Local Prompt Learning for Zero-shot Anomaly Detection [5.530212768657544]
  グローバルプロンプトとローカルプロンプトの相補的学習を改善するために,局所的コントラスト学習を導入する。 ZSADにおけるGlocalCLIPの一般化性能を実世界の15のデータセットで実証した。
  論文  参考訳（メタデータ） (2024-11-09T05:22:13Z)
• CLIP the Gap: A Single Domain Generalization Approach for Object Detection [60.20931827772482]
  単一ドメインの一般化(Single Domain Generalization)は、単一のソースドメイン上でモデルをトレーニングすることで、目に見えないターゲットドメインに一般化する問題に取り組む。 本稿では、事前学習された視覚言語モデルを用いて、テキストプロンプトを介して意味領域の概念を導入することを提案する。 本手法は,検出器のバックボーンから抽出した特徴に作用する意味的拡張戦略と,テキストに基づく分類損失によって実現される。
  論文  参考訳（メタデータ） (2023-01-13T12:01:18Z)
• Divide and Contrast: Source-free Domain Adaptation via Adaptive Contrastive Learning [122.62311703151215]
  Divide and Contrast (DaC) は、それぞれの制限を回避しつつ、両方の世界の善良な端を接続することを目的としている。 DaCは、ターゲットデータをソースライクなサンプルとターゲット固有なサンプルに分割する。 さらに、ソースライクなドメインと、メモリバンクベースの最大平均離散性(MMD)損失を用いて、ターゲット固有のサンプルとを整合させて、分散ミスマッチを低減する。
  論文  参考訳（メタデータ） (2022-11-12T09:21:49Z)

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。