音频深伪检测模型联合剪枝蒸馏压缩

Miao He等作者提出一种面向音频深度伪造检测的任务感知联合剪枝与蒸馏框架，将基于自监督学习的检测模型压缩至31.9M参数，浮点运算量减少6.3倍，在多个数据集上平均性能下降1.30%。 该框架把跨域知识蒸馏与运动引导的结构化剪枝结合，目标是在激进压缩下保留伪造判别知识。作者称，这为资源受限设备上的端侧部署提供了可能。

AI 根据报道生成 · 4 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。