Investigating self-supervised representations for audio-visual deepfake detection
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Boldisor, Dragos-Alexandru, Smeu, Stefan, Oneata, Dan, Oneata, Elisabeta |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Circumventing shortcuts in audio-visual deepfake detection datasets with unsupervised learning
par: Smeu, Stefan, et autres
Publié: (2024)
par: Smeu, Stefan, et autres
Publié: (2024)
DeCLIP: Decoding CLIP representations for deepfake localization
par: Smeu, Stefan, et autres
Publié: (2024)
par: Smeu, Stefan, et autres
Publié: (2024)
Towards generalisable and calibrated synthetic speech detection with self-supervised representations
par: Pascu, Octavian, et autres
Publié: (2023)
par: Pascu, Octavian, et autres
Publié: (2023)
Comparison of self-supervised in-domain and supervised out-domain transfer learning for bird species recognition
par: Ghaffari, Houtan, et autres
Publié: (2024)
par: Ghaffari, Houtan, et autres
Publié: (2024)
Character-aware audio-visual subtitling in context
par: Huh, Jaesung, et autres
Publié: (2024)
par: Huh, Jaesung, et autres
Publié: (2024)
Not All Splits Are Equal: Rethinking Attribute Generalization Across Unrelated Categories
par: Fircă, Liviu Nicolae, et autres
Publié: (2025)
par: Fircă, Liviu Nicolae, et autres
Publié: (2025)
Audio-visual video-to-speech synthesis with synthesized input audio
par: Kefalas, Triantafyllos, et autres
Publié: (2023)
par: Kefalas, Triantafyllos, et autres
Publié: (2023)
Easy, Interpretable, Effective: openSMILE for voice deepfake detection
par: Pascu, Octavian, et autres
Publié: (2024)
par: Pascu, Octavian, et autres
Publié: (2024)
Echoes: A semantically-aligned music deepfake detection dataset
par: Pascu, Octavian, et autres
Publié: (2026)
par: Pascu, Octavian, et autres
Publié: (2026)
Seeing What Tastes Good: Revisiting Multimodal Distributional Semantics in the Billion Parameter Era
par: Oneata, Dan, et autres
Publié: (2025)
par: Oneata, Dan, et autres
Publié: (2025)
Large-scale unsupervised audio pre-training for video-to-speech synthesis
par: Kefalas, Triantafyllos, et autres
Publié: (2023)
par: Kefalas, Triantafyllos, et autres
Publié: (2023)
Translating speech with just images
par: Oneata, Dan, et autres
Publié: (2024)
par: Oneata, Dan, et autres
Publié: (2024)
WavLM model ensemble for audio deepfake detection
par: Combei, David, et autres
Publié: (2024)
par: Combei, David, et autres
Publié: (2024)
SAVe: Self-Supervised Audio-visual Deepfake Detection Exploiting Visual Artifacts and Audio-visual Misalignment
par: Shahzad, Sahibzada Adil, et autres
Publié: (2026)
par: Shahzad, Sahibzada Adil, et autres
Publié: (2026)
Robust Novelty Detection through Style-Conscious Feature Ranking
par: Smeu, Stefan, et autres
Publié: (2023)
par: Smeu, Stefan, et autres
Publié: (2023)
Leveraging large multimodal models for audio-video deepfake detection: a pilot study
par: Cao, Songjun, et autres
Publié: (2026)
par: Cao, Songjun, et autres
Publié: (2026)
Pushing the Frontier of Audiovisual Perception with Large-Scale Multimodal Correspondence Learning
par: Vyas, Apoorv, et autres
Publié: (2025)
par: Vyas, Apoorv, et autres
Publié: (2025)
Audio Deepfake Detection with Half-Truth Localisation Using Cross-Attentive Feature Fusion
par: Sutharya, S., et autres
Publié: (2026)
par: Sutharya, S., et autres
Publié: (2026)
SINGER: Vivid Audio-driven Singing Video Generation with Multi-scale Spectral Diffusion Model
par: Li, Yan, et autres
Publié: (2024)
par: Li, Yan, et autres
Publié: (2024)
Masked Autoencoders with Limited Data: Does It Work? A Fine-Grained Bioacoustics Case Study
par: Liu, Wuao, et autres
Publié: (2026)
par: Liu, Wuao, et autres
Publié: (2026)
Improved Visually Prompted Keyword Localisation in Real Low-Resource Settings
par: Nortje, Leanne, et autres
Publié: (2024)
par: Nortje, Leanne, et autres
Publié: (2024)
Audio-visual Generalized Zero-shot Learning the Easy Way
par: Mo, Shentong, et autres
Publié: (2024)
par: Mo, Shentong, et autres
Publié: (2024)
Audio Driven Real-Time Facial Animation for Social Telepresence
par: Lee, Jiye, et autres
Publié: (2025)
par: Lee, Jiye, et autres
Publié: (2025)
VidMuse: A Simple Video-to-Music Generation Framework with Long-Short-Term Modeling
par: Tian, Zeyue, et autres
Publié: (2024)
par: Tian, Zeyue, et autres
Publié: (2024)
Cross-Modal Binary Attention: An Energy-Efficient Fusion Framework for Audio-Visual Learning
par: Saleh, Mohamed, et autres
Publié: (2026)
par: Saleh, Mohamed, et autres
Publié: (2026)
A self-supervised framework for learning whole slide representations
par: Hou, Xinhai, et autres
Publié: (2024)
par: Hou, Xinhai, et autres
Publié: (2024)
Exploring bat song syllable representations in self-supervised audio encoders
par: Kloots, Marianne de Heer, et autres
Publié: (2024)
par: Kloots, Marianne de Heer, et autres
Publié: (2024)
Visual and audio scene classification for detecting discrepancies in video: a baseline method and experimental protocol
par: Apostolidis, Konstantinos, et autres
Publié: (2024)
par: Apostolidis, Konstantinos, et autres
Publié: (2024)
An Automated Pipeline for Few-Shot Bird Call Classification: A Case Study with the Tooth-Billed Pigeon
par: Jana, Abhishek, et autres
Publié: (2025)
par: Jana, Abhishek, et autres
Publié: (2025)
Adversarial Attacks on Audio Deepfake Detection: A Benchmark and Comparative Study
par: Uddin, Kutub, et autres
Publié: (2025)
par: Uddin, Kutub, et autres
Publié: (2025)
CoLoRSMamba: Conditional LoRA-Steered Mamba for Supervised Multimodal Violence Detection
par: Senadeera, Damith Chamalke, et autres
Publié: (2026)
par: Senadeera, Damith Chamalke, et autres
Publié: (2026)
TempoSyncDiff: Distilled Temporally-Consistent Diffusion for Low-Latency Audio-Driven Talking Head Generation
par: Mazumdar, Soumya, et autres
Publié: (2026)
par: Mazumdar, Soumya, et autres
Publié: (2026)
ST-GDance++: A Scalable Spatial-Temporal Diffusion for Long-Duration Group Choreography
par: Xu, Jing, et autres
Publié: (2026)
par: Xu, Jing, et autres
Publié: (2026)
Self-supervised video pretraining yields robust and more human-aligned visual representations
par: Parthasarathy, Nikhil, et autres
Publié: (2022)
par: Parthasarathy, Nikhil, et autres
Publié: (2022)
Separating the "Chirp" from the "Chat": Self-supervised Visual Grounding of Sound and Language
par: Hamilton, Mark, et autres
Publié: (2024)
par: Hamilton, Mark, et autres
Publié: (2024)
Systematic comparison of semi-supervised and self-supervised learning for medical image classification
par: Huang, Zhe, et autres
Publié: (2023)
par: Huang, Zhe, et autres
Publié: (2023)
Self-supervised visual learning from interactions with objects
par: Aubret, Arthur, et autres
Publié: (2024)
par: Aubret, Arthur, et autres
Publié: (2024)
Investigating the Invertibility of Multimodal Latent Spaces: Limitations of Optimization-Based Methods
par: Park, Siwoo
Publié: (2025)
par: Park, Siwoo
Publié: (2025)
A supervised discriminant data representation: application to pattern classification
par: Dornaika, Fadi, et autres
Publié: (2025)
par: Dornaika, Fadi, et autres
Publié: (2025)
Interpretable facial dynamics as behavioral and perceptual traces of deepfakes
par: Murphy, Timothy Joseph, et autres
Publié: (2026)
par: Murphy, Timothy Joseph, et autres
Publié: (2026)
Documents similaires
-
Circumventing shortcuts in audio-visual deepfake detection datasets with unsupervised learning
par: Smeu, Stefan, et autres
Publié: (2024) -
DeCLIP: Decoding CLIP representations for deepfake localization
par: Smeu, Stefan, et autres
Publié: (2024) -
Towards generalisable and calibrated synthetic speech detection with self-supervised representations
par: Pascu, Octavian, et autres
Publié: (2023) -
Comparison of self-supervised in-domain and supervised out-domain transfer learning for bird species recognition
par: Ghaffari, Houtan, et autres
Publié: (2024) -
Character-aware audio-visual subtitling in context
par: Huh, Jaesung, et autres
Publié: (2024)