m0_51371693的博客

任务目标的差异Spoof检测：目标是判断整个音频信号是否包含伪造片段，关注的是一个二元问题（是或否）。Spoof定位：目标是在音频中定位出伪造和真实的区域，但通常不区分伪造片段的具体伪造方法。：不仅要定位伪造区域，还要根据不同的伪造方法对这些区域进行聚类，提供更详细的伪造信息。开放集挑战Spoof检测和定位：可能不需要处理训练数据中未见过的伪造方法。：需要能够处理训练时未见过的伪造方法，即“开放集”挑战，这要求系统能够识别和聚类未知的伪造技术。处理伪造片段的粒度。

部分伪造音频定位的任务旨在准确确定帧级别的音频真实性。尽管一些工作取得了令人鼓舞的成果，但在单个模型中利用有界信息仍然是一个未经探索的研究课题。在这项工作中，我们提出了一种称为边界感知注意力机制Boundary-aware Attention Mechanism的新方法。“边界”（Boundary）指的是在音频信号中，真实语音和合成语音（或伪造语音）相接合的地方。这些边界区域通常包含混合了真实和伪造音频的帧，对于检测和定位伪造音频来说，识别这些边界位置是非常重要的。

扩散过程和去噪过程去噪器，预测出来噪声然后与原始图片相减，得到干净的图片当然，去噪过程是逐步的，所以减去之后会重新加上“平均噪声”跳步DDIM和DDPM作对比：

看论文的时候，有些术语虽然常见但是却让人很难理解具体含义，如noise等，这里是一些常见术语的解释，同时也给出了这些术语所在的上下文及模型。

论文写作相关，科研小白入门

Attention is all your need 的论文笔记

VideoMAE: Masked Autoencoders are Data-Efficient Learners for Self-Supervised Video Pre-Training论文复现注意事项

论文复现时的一些踩坑和经验

论文复现过程的一些踩坑

Video Swin Transformer论文笔记

ViViT论文阅读笔记

Swin transformer笔记

视觉transformer文章An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale