英文题目：WST-Graph: Topology-Preserving Wavelet Scattering Front-End for Speech Deepfake Detection
标签：#音频深度伪造检测 | #图神经网络 | #语音 | #鲁棒性
评分：6.3/10 | 创新 1.2/2 | 技术严谨 1/1.5 | 实验充分 1/1.5 | 清晰度 0.7/1 | 影响力 0.8/1.5 | 开源 0.5/1.5 | 可复现 0.3/0.5 | 工程/实践 0.8/1.5
👥 作者与机构
- Kwok-Ho Ng：机构信息未在 arXiv HTML 中可靠披露
- Tingting Song：机构信息未在 arXiv HTML 中可靠披露
- Bingwen Feng：机构信息未在 arXiv HTML 中可靠披露
- Zhihua Xia：机构信息未在 arXiv HTML 中可靠披露
📌 核心摘要
语音深度伪造检测以波形为输入输出真伪二分类，难点在于合成伪影局域且跨生成器与信道泛化困难。所提WST-Graph先用固定参数一维散射提取一阶载波包络与二阶调制系数，并做对数压缩与调制级归一化以校准路径幅度。再由顺序网格按父载波键与调制键将平坦路径重排为稀疏通道-载波-时间张量，并以固定结构掩码保留缺失路径拓扑。随后长度感知通道级自适应局部注意力池化将变长帧压缩为固定相对时间格，逐点适配器与深度可分离残差块在同一坐标完成跨阶融合与局部建模，最后由类AASIST谱时图注意力完成全局交互与分类。与直接展平散射路径相比，该链条延迟了跨频跨时混合从而保留显式载波-调制声学坐标，使图后端可利用父子关系建模。在ASVspoof2019 LA评测设置下，WST-Graph-Q82的等错误率为2.92%，低于复现AASIST-L的等错误率3.45%。该结论适用边界受限于仅在ASVspoof 2019 LA上训练，在13个域外集上仅部分领先且多集错误率仍高于30%，更广泛信道与生成器外推尚未验证。原文未披露训练、推理或部署成本
🔗 开源与复现资源
本次未形成可展示的已核验资源记录，开放状态尚未核实。
可达状态仅表示本次链接检查结果，不代表许可证、本文权重或运行复现已验证。
🧭 深度解读
输入是什么，目标是什么，本文要保留什么？
本文输入是原始语音波形，目标是判断语音是真实录制还是合成与转换生成的伪造语音。论文把研究对象限定为语音伪造检测，也称为音频反欺骗，训练在 ASVspoof 2019 逻辑接入集上完成，测试还扩展到多个跨域数据集。作者强调的前端决定了检测器能利用哪些取证线索，因此方法选择的重点不是直接增大分类器，而是设计波形到图分类器的接口。
对刚进入语音与音频方向的研究生而言，需要先建立的动作是把波形长度、采样率、有效时长和填充帧区分开，再理解前端输出的每 1 维分别代表什么物理量。本文默认散射前端本身固定且无参数，学习只发生在适配器、局部残差块和图后端。输出是针对每条语音的真伪打分，评价用等错误率，等错误率越低表示检测越好。需要保留的关键信息是载波频率轴、调制频率轴和相对时间轴，以及哪些路径组合在散射拓扑上本来就不存在。
本文不声称代码已公开，原文仅写代码将发布，因此复现时只能依据论文给出的参数与流程重建。
已有路线为什么会丢失显式声学坐标？
传统可检查特征使用幅度、倒谱和相位派生量，例如线性频率倒谱系数、常数 Q 倒谱系数和修正群延迟，它们的优点是每 1 维有明确声学含义，但需要人工规定谱结构。原始波形端到端系统避免了固定手工谱，例如 RawNet2 联合学习波形编码器与分类器。
AASIST 使用参数化的 SincNet 和残差卷积编码器，再构造谱图与时序图，Sinc 滤波器本身仍有可解释通带，但后续 2 维池化和残差卷积会混合相邻频率时间响应，并逐步降低时间分辨率，进入图构造时通道已不再携带显式载波或调制频率坐标。另一类近期系统使用自监督学习前端，检测性能有所提升，但参数量明显增大，且从隐状态分析合成伪影比较困难，因为隐状态缺少显式声学坐标。
近期 WST-X 把散射特征与自监督表示结合，其 1 维变体全局池化 1 维散射系数，2 维变体把由自监督特征图算出的 2 维散射张量做空间压平。论文指出这两类做法都没有把 1 维散射内部的拓扑保留为图后端的结构化接口。本文的对照建立在同输入、同目标、同运行阶段上：同样从波形出发做真伪判断，区别在于是否延迟跨路径融合，是否保留父子关系可回查。
直接压平散射路径会带来什么具体损失？
1 维小波散射变换通过级联多分辨率小波滤波器组、复数模运算和低通平均，得到稳定且局部平移不变的多尺度系数。1 阶系数刻画载波带内小波模响应的平均，2 阶系数刻画对应 1 阶包络的时间调制。关键在于每个 2 阶路径都显式链接到其父载波带，因此天然具有载波与调制组织。如果把所有路径沿路径轴堆成扁平张量，再直接送入卷积或全局池化，模型虽然仍能看到数值，但父载波是谁、调制频率是谁的对应关系会被后续混合淹没。
举例来说，这就像把按系别与年级整理好的学生名单拆成一列姓名后重新随机分组，分组后仍能统计人数，但无法再回答某一年级在某一系的分布。本文要解决的是构造接口问题：如何在不提前平均掉有效 2 阶系数的前提下，把稀疏的 2 阶路径按调制带分组，并按父载波对齐，使后续学习只在同载波同时刻坐标上第 1 次融合。论文明确丢弃零阶低通分量，只保留 1 阶与 2 阶路径，这是一个需要复现时照做的取舍。
WST-Graph 让一个样本走完哪些步骤？
沿一条语音样本走完全流程更易建立依赖关系。波形先经过固定的 1 维小波散射变换，得到扁平路径张量，维度为批量、路径数和散射帧数。接着路径归一化把非负幅度映射到对数域并按分组标准化，但不改变张量形状。然后 OrderGrid 利用元数据中的离散键把路径嵌入到调制通道、载波轴和时间轴构成的联合网格，第 1 阶单独占一个通道，2 阶按调制带放入对应通道，结构上不存在的组合填零并用固定二值掩码标记。
接着长度感知的通道级自适应局部注意力池化把可变时间长度切成固定个数的相对时间区间，每个通道载波对独立池化，得到固定时间宽度的网格。逐点适配器在每个载波时间坐标上第 1 次混合散射通道，得到潜网格。随后若干深度可分离残差块在保持维度不变的前提下建模局部载波时间上下文。最后按压缩时间轴得到谱节点，按压缩载波轴得到时序节点，进入同构与异构图注意力阶段，再经线性分类器输出打分。
小波散射变换 × 图后端： 小波散射变换负责提供具有显式声学坐标的多尺度系数，1 阶系数对应载波频带内的平均包络，2 阶系数对应其包络的时间调制；图后端负责对载波节点和相对时间节点之间的全局交互建模，二者搭配的理由是散射路径自带父载波与子调制的对应关系，可以直接展开为网格的行列而不提前混叠，组合后形成波形到图的固定接口，学习部分只在保留坐标之后再做融合。
以下导读帮助对照论文给出的整体流程图，先看主链路的张量形状变化，再看潜块与图节点的衔接位置。
看图路径： 1. 从左侧波形经 WST 到 PathNorm 再到 OrderGrid 再到 ALAP 的主链路，确认每个模块输出张量形状的变化；2. 观察虚线框内 LatentBlock 的重复结构，区分 groups 等于 1 与等于通道数的两类卷积位置；3. 对照底部谱节点与时序节点的标注，确认潜网格是按压缩时间轴和压缩载波轴分别组装节点；4. 检查 Adapter 在 ALAP 之后、LatentBlock 之前的位置，确认它是第一次跨通道混合点
论文图 1。原论文 Figure 1:：“Overview of the proposed WST-Graph pipeline. GraphAASIST follows the graph backbone of the original AASIST architecture.”。
从像素可见的流程看，主链路由波形、散射变换、路径归一化、网格重建、自适应池化、适配器、潜块和图后端串联而成，途中标注了路径数与网格维度的变化。虚线框出的潜块内部交替出现卷积、激活与归一化，并标注了分组数等于 1 与等于通道数的两种配置，重复次数记为乘以块数。底部明确标出谱节点维度与时序节点维度，说明潜网格的两个空间轴分别被压缩为两类节点集合。适配器位于时间池化之后、潜块之前，论文文字也确认这是第 1 次跨通道学习混合，这种位置安排是保持坐标对齐的关键。
路径归一化与网格重建如何计算？
路径归一化先做对数压缩，符号与输入是散射幅度加小常数后取对数，目的是压缩动态范围。
\[X_{b,p,t}=\log\left(S_{b,p,t}+\epsilon\right).\]该式中下标分别表示样本、路径和时间，散射幅度非负，因此对数前需要加偏置避免奇异。随后按分组估计均值与方差，标准化公式用分组均值中心化，再除以分组标准差的下限保护值。
\[Z_{b,p,t}=\frac{X_{b,p,t}-\mu_{g(p)}}{\max(\sigma_{g(p)},\sigma_{\min})+\epsilon},\]论文比较 3 种分组策略，逐路径、逐阶数和逐调制，其中调制级策略把 1 阶路径统一编组，把 2 阶路径按第二层滤波器键分组。
\[g_{\mathrm{mod}}(p)=\begin{cases}0,&o(p)=1,\\ \mathrm{grp}(n_{2}(p)),&o(p)=2.\end{cases}\]该分组保留了同一调制带内的载波差异，只校准调制带之间的量级。训练时统计只用有效帧，填充帧不计入均值方差，后续池化再用时间掩码排除填充，这是复现时容易遗漏的细节。网格重建把归一化后的路径按第一层键排序为载波轴，按第二层键排序为调制通道，只有满足尺度条件的组合才有有效路径。
\[G_{b,m,f,t}=\begin{cases}Z_{b,\pi_{2}(m,f),t},&\mathrm{if}(n_{1}(f),n_{2}(m))\in\mathcal{A},\\ 0,&\mathrm{otherwise},\end{cases}\ 1\leq m\leq F_{2}.\]该式说明有效位置取对应路径值，结构空缺位置填零。固定结构掩码与语音相关的有效时长掩码相互独立，前者标记拓扑空缺，后者在池化时排除填充。
OrderGrid × 结构掩码： OrderGrid 负责按离散滤波器键把扁平路径轴重新嵌入到调制通道与载波轴构成的联合张量，1 阶单独占通道 0，2 阶按调制带放入对应通道；结构掩码负责标记哪些调制与载波组合在散射拓扑上本来就不存在，搭配理由是 2 阶路径只在满足尺度条件时才保留，直接置零会混淆测量零与结构空缺，组合后下游池化可以只对有效单元计算而不把空缺平均进去。
调制级归一化 × 路径归一化： 路径归一化负责先取对数压缩散射幅度的动态范围，再按分组估计均值方差做标准化；调制级归一化是其中一种分组策略，把所有 1 阶路径归为一组，把 2 阶路径按第二层滤波器键分组，搭配理由是同一调制带的路径共享包络频率尺度但保留载波差异，组合后既校准了不同调制带的量级，又不抹掉载波维度的取证差异。
时间池化与通道适配如何保持坐标不对齐就融合？
所有波形被填充或裁剪到固定采样点数，但每条语音记录其有效采样点数，再通过统计早于有效终点的散射帧中心个数得到有效帧数。有效前缀被动态切成固定个数的相对时间区间，切分使用向下取整的区间边界。
\[I_{b,k}=\left[\left\lfloor\frac{kL_{b}}{K}\right\rfloor,\left\lfloor\frac{(k+1)L_{b}}{K}\right\rfloor\right),\ 0\leq k池化后逐点适配器在每个载波时间坐标上把散射通道映射到潜维度，后接批归一化与激活。随后潜块重复多次，深度型用深度空间卷积，分组型用分组空间卷积，均附加逐点投影并严格保持批量、通道、载波数和时间区间数不变。图节点构造时谱节点集合来自固定载波下不同时间区间的潜向量，时序节点集合来自固定时间区间下不同载波的潜向量，再用多种统计算子压缩为节点特征。
自适应局部注意力池化 × 相对时间区间： 相对时间区间负责把每条有效轨迹的可变长度按有效帧数切成固定个数的区间，使不同时长的语音对齐到同一网格宽度；自适应局部注意力池化负责在每个区间内用深度时间卷积产生权重再做加权平均，分工是前者解决长度不一致，后者解决均匀平均会稀释局部伪造痕迹，组合后每个通道载波对独立池化，既固定了时间维又保留了通道与载波轴。
通道适配器 × 潜变量残差块： 通道适配器负责在同一载波时间坐标上第 1 次做跨阶数和跨调制的逐点混合，把散射通道映射到潜维度；潜变量残差块负责在此之后建模局部的载波时间上下文，搭配理由是先融合必须限制在同坐标以保持可解释对齐，再用深度可分离或分组空间卷积扩大感受野而不改变网格尺寸，组合后输出仍可直接按载波轴和时间轴切分为谱节点与时序节点。
训练与推理在数据窗口和优化上如何执行？
训练数据为 ASVspoof 2019 逻辑接入集，重采样到 16 千赫。训练与开发语音随机裁剪 4 秒窗口，对应 64000 个采样点，不足则右侧补零，评估窗口从绝对起点开始。这个差异是复现必须保留的：训练见的是随机位置的片段，评估见的是从头开始的窗口。散射前端固定为平均尺度 8，第一层每倍频程滤波器数 8，第二层为 1，最大阶数 2，过采样 1。自适应池化区间数 64，时间卷积核宽 5，适配器宽度 64，图后端维度为 64 与 32 并使用最大类节点构造。
优化共 12 轮，跨 3 个随机种子重复，使用焦点损失，伽马为 2，正负类权重为 0.9 与 0.1，优化器为 AdamW，学习率千分之一并余弦衰减，混合精度为 32 位与低精度混合。论文未报告梯度是否截断散射前端，但明确散射前端固定且无参数，因此可训练参数集中在注意力打分器、适配器、潜块和图后端。推理时同样先算散射与网格，再按有效长度切分相对时间区间，因此长短语音都能映射到同一图尺寸。
缺项是论文未给出具体硬件型号与每轮耗时，也未报告推理延迟与输出帧率，因此不能从参数量减少直接推定延迟同比例下降。
评测条件与跨域协议是什么？
主训练与主评测沿用标准反欺骗协议，指标为等错误率，数值越低越好。跨域泛化通过语音伪造竞技场进行，包含 14 个集合，其中 13 个为域外集，用于检验在未见生成器与录制条件下的退化情况。论文的基线是在统一协议下复现的 AASIST 与轻量 AASIST，不是引用外部文献数字，因此比较时训练窗口、优化轮数与评估起点的处理一致性高于跨文献引用。消融采用 3 种子平均与括号内最优值并列报告，跨域大表采用单种子结果报告，阅读时不能把平均值与单种子值直接比较。
消融顺序是固定的：先固定对数归一与默认图后端比较时间池化与局部上下文，再固定池化与局部块比较归一化与图节点构造，最后固定结构模块比较容量与声学分辨率。这种顺序意味着后 1 阶段的最优依赖前 1 阶段的选择，改变早期选择可能改变后期结论。原文未报告显著性检验与置信区间，因此小幅差异应表述为观察到的差距，而不是统计显著的胜负。
时间分辨率与局部上下文带来多大变化？
第一个要回答的问题是固定相对时间区间数后，学习注意力是否优于均匀平均，以及局部载波时间上下文应做到多深。比较条件是同一固定散射前端、同一网格重建、同一逐点适配器和默认图后端，只改变池化方式与区间数，或改变残差块类型与数量，指标方向是等错误率越低越好，报告为 3 种子平均与括号内最优。
| NN | Param | Type D | Param | Type G | Mixed |
|---|---|---|---|---|---|
| 1 | 91k | 8.38 (6.15) | 95k | 8.21 (8.10) | M1: 6.74 (5.68) |
| 2 | 96k | 6.52 (5.77) | 104k | 6.80 (6.32) | M2: 5.92 (4.22) |
| 3 | 100k | 4.98 (4.80) | 113k | 7.03 (5.88) | M3: 5.46 (5.01) |
| 4 | 105k | 5.74 (4.77) | 122k | 6.82 (5.64) | M4: 6.32 (4.88) |
上表显示均匀平均在中等区间数表现相对较好，而自适应注意力在 64 区间时平均等错误率更低且最优值更突出，论文因此保留注意力与 64 区间。注意力只引入数十个参数，代价很小，但收益依赖区间数，不能推广为注意力在所有时间粒度下都占优。局部上下文的比较进一步显示深度型在 3 块时平均等错误率最低，增加到 4 块或引入分组交互后性能下降，混合组成也没有超过深度型 3 块。未胜出项包括分组型各深度与混合变体，它们在当前数据与训练轮数下没有带来增益，但论文未验证更长训练或更大数据下是否仍不占优。
跨域评测显示了什么优势与反例？
第三个要回答的问题是在统一协议下与复现基线相比，本文方法在域内与域外各付出什么代价和取得什么收益。比较对象是复现的 AASIST、轻量 AASIST 和两种散射分辨率配置，指标仍是等错误率越低越好，跨域表为单种子结果，因此不能与前面的 3 种子平均直接换算百分点改进。
| System | AASIST | AASIST-L | Graph-Q81 | Graph-Q82 |
|---|---|---|---|---|
| ITW | 45.41 | 43.07 | 46.07 | 44.46 |
| ASV19LA | 2.74 | 3.45 | 3.07 | 2.92 |
| ASV21LA | 14.82 | 15.48 | 13.92 | 8.53 |
| ASV21DF | 19.96 | 21.25 | 21.00 | 18.15 |
| ASV5T1 | 37.94 | 34.07 | 33.84 | 35.55 |
| FoR | 27.51 | 10.46 | 34.84 | 30.34 |
| Codecfake | 48.46 | 49.11 | 47.13 | 49.26 |
| ADD22T1 | 47.81 | 47.51 | 49.30 | 44.68 |
| ADD22T3.2 | 38.91 | 31.56 | 31.48 | 31.69 |
| ADD23T1.2R1 | 52.01 | 49.80 | 44.63 | 47.85 |
| ADD23T1.2R2 | 43.31 | 37.55 | 34.38 | 39.52 |
| DFADD | 45.69 | 38.82 | 15.23 | 21.56 |
| LibriSeVoc | 38.11 | 41.06 | 38.14 | 33.58 |
| Sonar | 43.06 | 45.28 | 35.78 | 39.53 |
上表选择的列覆盖参数量、域内集、两个域外逻辑与深度伪造集以及优势最明显的域外集与轻量竞争集。参数量上散射配置约为 120k，相比复现 AASIST 的 297k 减少约 60%，这是论文摘要中约 60% 更少可训练参数的来源。域内等错误率上散射高分辨率配置接近基线但未全面超越。跨域上最突出的观察在 DFADD，散射配置明显低于两个基线，支持保留载波调制拓扑有助于该域的判断。但反例同样明确：在假名人语料等集合上散射配置并未占优，轻量基线反而更低。
在部分压缩与电话场景上差距也不一致。因此结论应限定为在所选域外基准上有明显增益且总体保持竞争，而不是在所有跨域条件下一致取胜。
归一化语义与图节点统计哪种更关键？
第二个要回答的问题是校准散射路径时应按什么语义分组，以及把潜网格压缩为图节点时应使用什么统计量。比较条件是已固定注意力池化与深度型 3 块，只改变均值中心化与方差缩放的分组，或改变谱与时序分支的节点池化算子。论文报告仅做对数压缩而不标准化时效果不如不做任何处理，说明压缩动态范围本身不足以对齐不同路径，支持按语义分组校准的必要性。调制级中心化与缩放同时使用时平均等错误率最低，这是后续实验固定该策略的依据。
| Node | max | max+mean | gem+mean | mean+std |
|---|---|---|---|---|
| atten | max+atten | Asym-A | Asym-B | |
| EER (%) | 3.25 (3.06) | 3.38 (2.54) | 3.57 (2.64) | 3.58 (3.26) |
上表覆盖最大、最大加均值、广义均值加均值、均值加标准差、注意力统计、最大加注意力以及两种非对称组合。注意力统计在平均等错误率上最低，最大加注意力在括号内最优值上出现更低的单次结果，但论文选择保留平均更优的注意力统计，并指出它带来约 19k 额外参数。代价与收益需要同时说明：节点统计的改进伴随容量增加，不能只谈精度不谈参数。未胜出项包括默认的最大绝对值与多种均值组合，它们在当前网格容量下没有超过注意力统计，但这不意味着注意力在所有前端下都最优。
容量与散射分辨率的取舍是什么？
第四个要回答的问题是增加相对时间区间与潜宽度哪种更划算，以及改变散射声学几何是否比单纯加参数更有效。论文固定结构模块后，先扫描区间数与图特征宽度的组合，再扫描平均尺度与第一层滤波器分辨率，最后对照第二层调制分辨率。原文报告增加区间数比扩大宽度的收益更一致，最低等错误率出现在区间数与宽度均为 64 时，而区间 64 宽度 32 可作为更轻量的竞争配置。
下表整理论文用连续原句给出逐字证据的分辨率与轻量配置对照，指标方向仍是等错误率越低越好。
| 条件 | 指标 | 轻量竞争配置 | 高分辨率配置 | 比较对象 |
|---|---|---|---|---|
| 第二层分辨率变化 | 等错误率 | 第一档配置的平均结果 | 第二档配置的平均结果 | 调制带数由少到多 |
| 网格容量变化 | 等错误率与参数量 | 区间多宽度小的轻量结果 | 区间与宽度均为大的结果 | 同一散射前端下的容量对照 |
上表数字的逐字来源是论文关于调制带数从少到多、等错误率从高到低以及轻量配置参数量的连续描述，阅读时应回到原文核对单位与聚合口径。
论文报告第二层分辨率从 1 提高到 2 时调制带数增加，等错误率进一步下降，并明确指出由于调制覆盖发生变化，改进不能仅归因于参数的微小增加。反例是平均尺度与第一层分辨率的扫描显示并非越大越好，偏离 8 的配置等错误率明显升高，说明声学几何需要与数据和后端匹配。未评测边界包括更高阶散射、更大区间数与更宽潜维度的组合，论文没有给出这些设置的成本与收益。
哪些结论不能从现有证据推广？
论文直接报告的是在固定训练轮数、固定裁剪策略和固定优化配置下的等错误率对比，有限解释是保留父子关系与调制级校准有助于构造紧凑且物理可解释的接口，未验证推测是未来可用于决策归因与伪造源追踪。缺失证据不是技术错误，但需要明确边界。第一，跨域表为单种子结果，且不同数据集的难度与伪造类型差异很大，不能把总体趋势理解为每组都成立，也不能把自动指标当作人工听感评价。
第二，参数量减少不等于推理延迟、内存占用与输出帧率同比例改善，原文未测量这些量，因此不能承诺部署成本已下降。第三，消融按顺序固定早期选择，后期最优可能依赖早期选择，改变时间区间或局部块数量后，归一化与节点统计的最优可能变化。第四，原文存在表格呈现与公式编号的细节问题，阅读时应以连续正文与结构化证据中的可用表格为准，对无法安全选择的表格不猜表头、不补列、不改数字。
相关性也不等于因果，调制分辨率提高伴随等错误率下降，但同时改变了调制覆盖，不能简化为参数增加必然带来增益。
复现时先做什么，再验证什么？
值得尝试的情形是需要在图后端之前保留可解释声学坐标，或希望以较小可训练参数量获得接近基线的域内性能，并在部分跨域集上寻找增益。复现先做三件事。第一，按论文固定散射参数重建前端，平均尺度 8，第一层每倍频程 8，第二层 1，最大阶数 2，过采样 1，丢弃零阶分量，保留 1 阶与 2 阶路径，并用元数据中的离散键排序载波与调制。第二，实现对数压缩与调制级分组标准化，训练统计只用有效帧，填充帧用时间掩码排除，结构空缺用固定掩码排除，两类掩码不要混用。
第三，按有效帧数动态切分 64 个相对时间区间，用通道级注意力池化收缩时间轴，再用逐点适配器映射到 64 维潜空间，接 3 个深度型残差块与注意力图节点。验证时先复现域内 3 种子平均，再做单种子跨域表，避免把两种聚合口径混在一起比较。还需补做的验证包括显著性或多种子方差、推理延迟与内存测量、不同裁剪起点与变长评估的影响，以及在新生成器上的持续测试。
资源状态方面，本次未发现来源绑定且完成验证的资源，因此不得声称代码、模型或数据已公开，只能按论文文字理解为代码将发布。
如何一句话记住本文的方法判断？
本文的方法判断可以归纳为延迟融合：在散射域先按拓扑对齐与校准，再把第 1 次学习混合限制在同载波同时刻，最后才建模局部上下文与全局图交互。沿样本路径复述就是波形到扁平路径，到对数与调制级标准化，到稀疏网格与结构掩码，到相对时间注意力池化，到逐点适配与残差块，到谱时序图节点与分类打分。
最强证据是域内接近基线且参数明显更少，以及在 DFADD 等所选域外集上的大幅差距，主要代价是注意力节点统计带来额外参数、分辨率选择敏感，以及跨域优势并不普遍。对初学者而言，可核对的动作比修辞更重要：核对每 1 维的物理含义、核对有效帧与填充帧的排除位置、核对结构空缺与测量零的区别、核对表格的聚合对象是平均还是单种子。掌握这些后，才能把本文接口迁移到其他图后端或归因分析，而不把 1 次最优值误当作可部署收益。
📎 论文与评分元数据
排名：前50% | 文档类型：方法研究 | arXiv 原文
⚖️ 评分明细
评分属于系统判断，不是论文实验结果；八维数值与总分见页首，原始审计记录保留在后端。
评分规则：type-aware-v1
评分模型：muse-spark-1.3-contributor
评分请求协议：openai_responses