NSF-PINN：基于物理原理的源-滤波分解方法，结合清晰度感知最小化技术，用于通用音频深度伪造检测

《Computer Vision and Image Understanding》：NSF-PINN: Physics-informed source-filter decomposition with sharpness-aware minimization for generalizable audio deepfake detection

　　•一种基于物理原理的WavLM架构与源-滤波器分解方法，用于音频深度伪造检测。该架构结合了物理损失函数以及清晰度感知最小化技术，以提高模型在不同场景下的泛化能力。通过重建损失、平滑度损失和正交性损失来惩罚那些在物理上不合理的语音表现。在该架构下，我们在ASVspoof 2019 LA数据集上的EER值为4.49%，在ASVspoof 2021 DF数据集上为12.38%，在真实世界音频数据集上为19.4%，在FakeAVCeleb数据集上为21.8%。实验表明，通过物理原理与清晰度感知最小化技术的结合，相比纯WavLM基准模型，整体EER值降低了44.9%。