論文の概要: Introducing the VoicePrivacy Initiative
- arxiv url: http://arxiv.org/abs/2005.01387v3
- Date: Tue, 11 Aug 2020 22:02:45 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-07 00:46:31.907941
- Title: Introducing the VoicePrivacy Initiative
- Title(参考訳): VoicePrivacy Initiativeの紹介
- Authors: Natalia Tomashenko, Brij Mohan Lal Srivastava, Xin Wang, Emmanuel
Vincent, Andreas Nautsch, Junichi Yamagishi, Nicholas Evans, Jose Patino,
Jean-Fran\c{c}ois Bonastre, Paul-Gauthier No\'e, Massimiliano Todisco
- Abstract要約: VoicePrivacyイニシアチブは、音声技術のプライバシー保護ツールの開発を促進することを目的としている。
本稿では,VoicePrivacy 2020 Challengeで選択された音声匿名化タスクを定式化し,システム開発と評価に使用するデータセットについて述べる。
- 参考スコア(独自算出の注目度): 53.14981205333593
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The VoicePrivacy initiative aims to promote the development of privacy
preservation tools for speech technology by gathering a new community to define
the tasks of interest and the evaluation methodology, and benchmarking
solutions through a series of challenges. In this paper, we formulate the voice
anonymization task selected for the VoicePrivacy 2020 Challenge and describe
the datasets used for system development and evaluation. We also present the
attack models and the associated objective and subjective evaluation metrics.
We introduce two anonymization baselines and report objective evaluation
results.
- Abstract(参考訳): VoicePrivacyイニシアチブは、興味のあるタスクと評価方法論を定義するために新しいコミュニティを集め、一連の課題を通じてソリューションをベンチマークすることで、音声技術のプライバシ保護ツールの開発を促進することを目的としている。
本稿では,VoicePrivacy 2020 Challengeで選択された音声匿名化タスクを定式化し,システム開発と評価に使用するデータセットについて述べる。
また,攻撃モデルと関連する客観的・主観的評価指標を提示する。
本稿では,2つの匿名化ベースラインと客観的評価結果を紹介する。
関連論文リスト
- Benchmarking Vision Language Model Unlearning via Fictitious Facial Identity Dataset [94.13848736705575]
我々は、未学習アルゴリズムの有効性を頑健に評価するために設計された新しいVLMアンラーニングベンチマークであるFacial Identity Unlearning Benchmark (FIUBench)を紹介する。
情報ソースとその露出レベルを正確に制御する2段階評価パイプラインを適用した。
FIUBench 内の 4 つのベースライン VLM アンラーニングアルゴリズムの評価により,すべての手法がアンラーニング性能に制限されていることが明らかとなった。
論文 参考訳(メタデータ) (2024-11-05T23:26:10Z) - Recent Trends in Personalized Dialogue Generation: A Review of Datasets, Methodologies, and Evaluations [25.115319934091282]
本稿では,近年の対話生成のパーソナライズ化の状況について調査する。
22のデータセットをカバーし、ベンチマークデータセットと、追加機能に富んだ新しいデータセットを強調します。
2021年から2023年の間、トップカンファレンスから17のセミナー作品を分析し、5つの異なるタイプの問題を識別する。
論文 参考訳(メタデータ) (2024-05-28T09:04:13Z) - The VoicePrivacy 2024 Challenge Evaluation Plan [40.2768875178317]
課題は,言語的内容や感情的状態を保護しつつ,話者の音声アイデンティティを隠蔽する音声匿名化システムを開発することである。
参加者は、開発した匿名化システムを適用し、評価スクリプトを実行し、評価結果と匿名化された音声データをオーガナイザに送信する。
結果はInterspeech 2024と共同で開かれたワークショップで発表される。
論文 参考訳(メタデータ) (2024-04-03T12:20:51Z) - The VoicePrivacy 2020 Challenge Evaluation Plan [53.14981205333593]
VoicePrivacy Challengeは、音声技術のプライバシー保護ツールの開発を促進することを目的としている。
本稿では,VoicePrivacy 2020 Challengeで選択された音声匿名化タスクを定式化し,システム開発と評価に使用するデータセットについて述べる。
論文 参考訳(メタデータ) (2022-05-14T20:05:51Z) - The VoicePrivacy 2022 Challenge Evaluation Plan [46.807999940446294]
トレーニング、開発、評価のデータセットが提供される。
参加者は開発した匿名化システムを適用する。
結果はInterSPEECH 2022と共同で開催されるワークショップで発表される。
論文 参考訳(メタデータ) (2022-03-23T15:05:18Z) - The VoicePrivacy 2020 Challenge: Results and findings [60.13468541150838]
第1回VoicePrivacy 2020 Challengeは、音声技術の匿名化ソリューションの開発に焦点を当てている。
本稿では,提案システムの解析と評価結果を用いて,課題設計の体系的概要について述べる。
論文 参考訳(メタデータ) (2021-09-01T23:40:38Z) - A Revised Generative Evaluation of Visual Dialogue [80.17353102854405]
本稿では,VisDialデータセットの改訂評価手法を提案する。
モデルが生成した回答と関連する回答の集合のコンセンサスを測定する。
DenseVisDialとして改訂された評価スキームのこれらのセットとコードをリリースする。
論文 参考訳(メタデータ) (2020-04-20T13:26:45Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。