論文の概要: ASVspoof 2021: accelerating progress in spoofed and deepfake speech detection

• arxiv url: http://arxiv.org/abs/2109.00537v1
• Date: Wed, 1 Sep 2021 16:17:31 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-04 10:29:32.401541
• Title: ASVspoof 2021: accelerating progress in spoofed and deepfake speech detection
• Title（参考訳）: ASVspoof 2021:スプーフおよびディープフェイク音声検出の進行促進
• Authors: Junichi Yamagishi, Xin Wang, Massimiliano Todisco, Md Sahidullah, Jose Patino, Andreas Nautsch, Xuechen Liu, Kong Aik Lee, Tomi Kinnunen, Nicholas Evans, H\'ector Delgado
• Abstract要約: ASVspoof 2021は、スプーフの研究を促進するための2年制の課題の第4版である。 本稿では,3つのタスク,それぞれのデータベース,評価基準,4つの課題ベースライン,評価プラットフォーム,課題結果の要約について述べる。
• 参考スコア（独自算出の注目度）: 70.45884214674057
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: ASVspoof 2021 is the forth edition in the series of bi-annual challenges which aim to promote the study of spoofing and the design of countermeasures to protect automatic speaker verification systems from manipulation. In addition to a continued focus upon logical and physical access tasks in which there are a number of advances compared to previous editions, ASVspoof 2021 introduces a new task involving deepfake speech detection. This paper describes all three tasks, the new databases for each of them, the evaluation metrics, four challenge baselines, the evaluation platform and a summary of challenge results. Despite the introduction of channel and compression variability which compound the difficulty, results for the logical access and deepfake tasks are close to those from previous ASVspoof editions. Results for the physical access task show the difficulty in detecting attacks in real, variable physical spaces. With ASVspoof 2021 being the first edition for which participants were not provided with any matched training or development data and with this reflecting real conditions in which the nature of spoofed and deepfake speech can never be predicated with confidence, the results are extremely encouraging and demonstrate the substantial progress made in the field in recent years.
• Abstract（参考訳）: ASVspoof 2021は、自動話者認証システムの操作から保護するためのスプーフの研究と対策の設計を促進するための2年制課題の第4版である。 asvspoof 2021は、以前のバージョンに比べて多くの進歩がある論理および物理アクセスタスクに引き続き注力するのに加えて、ディープフェイク音声検出を含む新しいタスクを導入している。 本稿では,3つのタスク,それぞれの新しいデータベース,評価指標,4つのチャレンジベースライン,評価プラットフォーム,チャレンジ結果の概要について述べる。 難易度を複雑にするチャネルと圧縮のばらつきが導入されたにもかかわらず、論理アクセスとディープフェイクタスクの結果は、以前のASVspoofエディションに近いものである。 物理アクセスタスクの結果,実空間における攻撃検出の難しさが示された。 ASVspoof 2021は、参加者が一致したトレーニングや開発データを持っていない最初の版であり、スプーフとディープフェイクのスピーチの性質が自信を持って予測できない実情を反映したものであり、近年の分野における実質的な進歩を極めて奨励し実証している。

関連論文リスト

• Meta-Learning Approaches for Improving Detection of Unseen Speech Deepfakes [9.894633583748895]
  現在の音声ディープフェイク検出手法は、既知の相手に対して良好に機能する。 ソーシャルメディア上でのスピーチのディープフェイクの拡散は、目に見えない攻撃に一般化できるシステムの必要性を浮き彫りにしている。 我々はメタラーニングの観点からこの問題に対処し、非常に少ないサンプルで、目に見えない攻撃に適応するために攻撃不変の機能を学ぶことを目的としている。
  論文  参考訳（メタデータ） (2024-10-27T20:14:32Z)
• ASVspoof 5: Crowdsourced Speech Data, Deepfakes, and Adversarial Attacks at Scale [59.25180900687571]
  ASVspoof 5は、音声スプーフとディープフェイク攻撃の研究を促進する一連の課題の第5版である。 本稿では,2つの課題トラック,新しいデータベース,評価指標,評価プラットフォームについて述べる。
  論文  参考訳（メタデータ） (2024-08-16T13:37:20Z)
• Double Mixture: Towards Continual Event Detection from Speech [60.33088725100812]
  音声イベント検出は、セマンティックイベントと音響イベントの両方のタグ付けを含むマルチメディア検索に不可欠である。 本稿では, 音声イベント検出における主な課題として, 過去の出来事を忘れることなく新たな事象を連続的に統合すること, 音響イベントからの意味のゆがみについて述べる。 本稿では,適応性を向上し,忘れることを防止するために,音声の専門知識と堅牢な記憶機構を融合する新しい手法「ダブルミキチャー」を提案する。
  論文  参考訳（メタデータ） (2024-04-20T06:32:00Z)
• Unified Physical-Digital Attack Detection Challenge [70.67222784932528]
  Face Anti-Spoofing (FAS) は、顔認識(FR)システムを保護するために重要である。 UniAttackDataは、Unified Detectionのための最大の公開データセットである。 我々は,一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元
  論文  参考訳（メタデータ） (2024-04-09T11:00:11Z)
• Generalizing Speaker Verification for Spoof Awareness in the Embedding Space [30.094557217931563]
  ASVシステムは様々な種類の敵を用いて偽造することができる。 本稿では,ディープニューラルネットワークに基づく新しいバックエンド分類手法を提案する。 ASVspoof 2019論理アクセスデータセットで実験が行われる。
  論文  参考訳（メタデータ） (2024-01-20T07:30:22Z)
• Towards single integrated spoofing-aware speaker verification embeddings [63.42889348690095]
  本研究は,1つの統合スプーフィング対応話者検証埋め込みを開発することを目的とする。 単一のSASV埋め込みの劣った性能は、不十分なトレーニングデータから得られると分析する。 実験では、SASV2022チャレンジの評価プロトコルにおいて、SASV-EERが1.06%に達するという劇的な改善が示された。
  論文  参考訳（メタデータ） (2023-05-30T14:15:39Z)
• ASVspoof 2021: Automatic Speaker Verification Spoofing and Countermeasures Challenge Evaluation Plan [70.45884214674057]
  ASVspoof 2021は、二年制で競争上の課題の4番目である。 目標は、ボナ・フェイドとスプーフ・ディープフェイク・スピーチを区別できる対策を開発することである。
  論文  参考訳（メタデータ） (2021-09-01T15:32:28Z)

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。