ASV와 CM 작업의 통합 최적화: WildSpoof 챌린지에서의 접근법

초록

이 논문은 스푸핑 공격에 강인한 화자 검증을 위한 ‘스푸핑 인식 화자 검증(SASV)’ 모듈식 프레임워크를 제안합니다. 공개된 ASV(자동 화자 검증)와 CM(스푸핑 방지) 시스템을 비선형적으로 융합하고, 운영 조건에 의존하는 훈련 가능한 a-DCF 손실 함수로 최적화합니다. WildSpoof 데이터셋에서 ECAPA-TDNN 및 ReDimNet ASV 추출기와 SSL-AASIST CM 모델을 평가한 결과, 미세 조정된 SSL-AASIST와 ReDimNet 기반 ASV 임베딩의 조합이 최고 성능(평가 세트 a-DCF 0.0515)을 보였습니다.

상세 분석

본 논문은 스푸핑 인식 화자 검증(SASV) 분야에서 모듈식 및 최적화 접근법의 중요성을 강조하는 심층 분석을 제공합니다. 핵심 기여는 기존에 공개된 ASV와 CM 시스템을 효율적으로 재활용하면서도, 이들의 상호작용을 명시적으로 모델링하는 통합 프레임워크를 제안한 점입니다. 기술적 핵심은 세 가지로 요약됩니다: 첫째, ASV 점수와 CM 점수를 각각 별도의 affine calibration 레이어를 통해 로그 가능도 비(LLR)로 변환하여 융합에 적합한 형태로 표준화합니다. 둘째, 이 두 LLR을 단순 합산이 아닌, 상호작용을 고려한 비선형 공식(s_sasv = -log