Year: 2026
Type: dissertation
Abstract: Některé systémy pro detekci deepfake řeči mohou dosahovat téměř dokonalého výkonu za odpovídajících podmínek, avšak jejich výkon se výrazně zhoršuje na datech mimo doménu (OOD). Tato diplomová práce zkoumá robustnost systémů protiopatření proti spoofingu (CM) napříč datovými sadami, se zaměřením na obousměrný přenos mezi SpoofCeleb a ASVspoof~5 v rámci pěti experimentálních nastavení. Výsledky odhalují závažnou a asymetrickou degradaci CM systémů napříč datovými sadami, přičemž rozsah této degradace i náchylnost k jejímu zmírnění jsou silně závislé na volbě architektury front-endu. Tento vzorec se rozšiřuje i na fúzi CM skóre na úrovni skóre a na vyhodnocení SASV. Celkově zjištění naznačují, že kalibrace skóre je klíčovým, avšak snadno přehlíženým rozměrem robustnosti CM systémů.
Author: Zhou, Zhihao
Institution: Brno University of Technology
Language: English
Subfield: Artificial Intelligence
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7166497361
