利用边界感知注意力机制增强部分伪造音频定位
声音
2024-08-20 v2 人工智能
音频与语音处理
摘要
部分伪造音频定位任务旨在精确地在帧级别确定音频真实性。尽管一些工作已取得了令人鼓舞的结果，但在单一模型中利用边界信息仍是一个未被探索的研究主题。在本工作中，我们提出了一种名为边界感知注意力机制 (BAM) 的新方法。具体而言，它由两个核心模块组成：边界增强和边界帧注意力。前者组装帧内和帧间信息以提取判别性边界特征，随后用于边界位置检测和真实性判定，后者利用边界预测结果来显式控制帧间的特征交互，从而有效区分真实帧和伪造帧。在 PartialSpoof 数据库上的实验结果表明，我们提出的方法取得了最佳性能。代码可在 https://github.com/media-sec-lab/BAM 获取。
引用
@article{arxiv.2407.21611,
title = {Enhancing Partially Spoofed Audio Localization with Boundary-aware Attention Mechanism},
author = {Jiafeng Zhong and Bin Li and Jiangyan Yi},
journal= {arXiv preprint arXiv:2407.21611},
year = {2024}
}
备注
Accepted by interspeech 2024