トレーニング不要のデュアルシステムにより自己教師あり「トーキングヘッド」偽造検出を強化する手法
arXiv cs.CV / 2026/5/6
📰 ニュースModels & Research
要点
- 教師ありのトーキングヘッド偽造検出は、生成器の進化によって一般化が難しくなるため、本論文は生成器をまたぐ頑健性を狙って自己教師あり手法に注目しています。
- 既存のスコアベース自己教師あり検出器は弁別能力を十分に活用できておらず、とくに難例で異常スコアの順序付けが不安定になりやすいと指摘しています。
- 著者らは、軽量な閾値ベースのルーティングで「確信できる」サンプルと「不確かな」サンプルを切り分ける、トレーニング不要のデュアルシステム（TFDS）を提案します。
- システム2は不確かな部分だけを再検討し、証拠に導かれたきめ細かな推論で曖昧なサンプルの相対的な順序を元のスコア分布内で修正します。
- 実験ではデータセットや攪乱設定にまたがって一貫した改善が示され、改善の主因は不確かな部分における異常順序の補正であることが分かりました。
