面向音频深度伪造检测的任务感知联合剪枝与蒸馏框架

研究者提出任务感知联合剪枝与蒸馏框架，将基于自监督学习的音频深度伪造检测模型压缩至 31.9M 参数，FLOPs 降低 6.3 倍，在多个数据集上平均性能仅下降 1.30%。该方法结合跨域知识蒸馏与运动引导的结构化剪枝，在激进压缩下保留伪造判别知识与关键结构，面向资源受限设备的端侧部署。