监督对比学习中的相似性选择与负面缩放：用于深度伪造音频检测
音频与语音处理
2026-04-30 v1 机器学习
摘要
监督对比学习（SupCon）在塑造表示方面被广泛使用，但在音频深度伪造检测领域的针对性研究仍有限。现有工作通常将对比项与更广泛的管线组合；然而，对 SupCon 本身的关注缺失。在本工作中，我们对 wav2vec2 XLS-R（300M）进行受控研究，变更（i）SupCon 中的相似性（余弦相似性 vs 来自球面角度的角度相似性）以及（ii）负面缩放（使用温度启动的全局跨批队）。阶段 1 用 SupCon 微调编码器和投影头；阶段 2 冻结它们并用 BCE 训练线性分类器。在 ASVspoof 2019 LA 上训练，评估于 ASV19 eval 加上 ITW 和 ASVspoof 2021 DF/LA，余弦 SupCon 带延迟队列在 ITW EER（8.29%）和 pooled EER（4.44）上取得最佳成绩，而角度相似性在无队列负样本时表现强劲（ITW 8.70），表明其对大型负样本集合的依赖较低。
引用
@article{arxiv.2604.26057,
title = {Similarity Choice and Negative Scaling in Supervised Contrastive Learning for Deepfake Audio Detection},
author = {Jaskirat Sudan and Hashim Ali and Surya Subramani and Hafiz Malik},
journal= {arXiv preprint arXiv:2604.26057},
year = {2026}
}