저자들은 언어적 단서에 대한 의존으로 인해 도메인 외부 설정에서 발생하는 일반화 성능 저하를 해결하는 언어 불변 스푸핑 감지 프레임워크를 제안합니다. 이 방법은 기울기 역전을 통해 언어 인식 교사 모델이 학생 검출기를 안내하여 언어 정보를 최소화하는 교사-학생 적대 학습 접근 방식을 사용합니다.
- 주요 언어적 단서를 억제하면서 비언어적 단서의 우발적 제거를 방지하기 위해 변분 정보 병목이 통합되었습니다.
- 이 프레임워크는 9개의 DF Arena 데이터셋에 걸쳐 평가되었습니다.
- 이 방법은 기준선 대비 Equal Error Rate (EER) 에서 최대 36.2%의 상대적 감소를 달성합니다.
이 접근 방식은 스푸핑 감지를 특정 언어 내용과 분리함으로써 교차 데이터 시나리오에 대한 강건성을 향상시킵니다.