音频伪造检测模型压缩框架提出

Miao He 等作者提出一种任务感知联合剪枝与蒸馏框架，用于压缩基于自监督学习的音频深度伪造检测模型。该框架把跨域知识蒸馏与运动引导的结构化剪枝结合，在激进压缩下保留伪造判别知识和关键结构。 作者称，压缩后模型为 31.9M 参数，FLOPs 降低 6.3 倍，在多个数据集上相比未压缩基线平均性能仅下降 1.30%，面向资源受限设备的端侧部署。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。