論文の概要: Adaptive Fake Audio Detection with Low-Rank Model Squeezing

• arxiv url: http://arxiv.org/abs/2306.04956v1
• Date: Thu, 8 Jun 2023 06:06:42 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-09 16:03:49.431334
• Title: Adaptive Fake Audio Detection with Low-Rank Model Squeezing
• Title（参考訳）: 低ランクモデルスクイーズによる適応的フェイク音声検出
• Authors: Xiaohui Zhang, Jiangyan Yi, Jianhua Tao, Chenlong Wang, Le Xu and Ruibo Fu
• Abstract要約: ファインタニングのような従来の手法は計算集約的であり、既知の偽音声タイプの知識を損なう危険性がある。 本稿では,新たに登場したニセモノ音声タイプに特化して,低ランク適応行列をトレーニングするコンセプトを紹介する。 当社のアプローチには,ストレージメモリ要件の削減やエラー率の低下など,いくつかのメリットがあります。
• 参考スコア（独自算出の注目度）: 50.7916414913962
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The rapid advancement of spoofing algorithms necessitates the development of robust detection methods capable of accurately identifying emerging fake audio. Traditional approaches, such as finetuning on new datasets containing these novel spoofing algorithms, are computationally intensive and pose a risk of impairing the acquired knowledge of known fake audio types. To address these challenges, this paper proposes an innovative approach that mitigates the limitations associated with finetuning. We introduce the concept of training low-rank adaptation matrices tailored specifically to the newly emerging fake audio types. During the inference stage, these adaptation matrices are combined with the existing model to generate the final prediction output. Extensive experimentation is conducted to evaluate the efficacy of the proposed method. The results demonstrate that our approach effectively preserves the prediction accuracy of the existing model for known fake audio types. Furthermore, our approach offers several advantages, including reduced storage memory requirements and lower equal error rates compared to conventional finetuning methods, particularly on specific spoofing algorithms.
• Abstract（参考訳）: スプーフィングアルゴリズムの急速な進歩は、出現する偽音声を正確に識別できる堅牢な検出方法の開発を必要とする。 これらの新しいスプーフィングアルゴリズムを含む新しいデータセットの微調整のような従来のアプローチは計算集約的であり、既知の偽オーディオタイプの知識を損なうリスクをもたらす。 これらの課題に対処するために, ファインタニングに伴う限界を緩和する革新的なアプローチを提案する。 本稿では,新たなニセモノ音声タイプに特化して,低ランク適応行列をトレーニングするコンセプトを紹介する。 推論段階では、これらの適応行列を既存のモデルと組み合わせて最終的な予測出力を生成する。 提案手法の有効性を評価するために広範な実験を行った。 その結果,提案手法は,既知の偽音声の予測精度を効果的に維持できることがわかった。 さらに,本手法は,ストレージメモリ要件の低減や,従来のファインタニング手法,特に特定のスプーフィングアルゴリズムに比べて誤り率の低減など,いくつかの利点がある。

関連論文リスト

• Detecting, Explaining, and Mitigating Memorization in Diffusion Models [49.438362005962375]
  そこで本研究では,テキスト条件予測の大きさを検査することで,暗黙のプロンプトを検出する方法を提案する。 提案手法はサンプリングアルゴリズムを中断することなくシームレスに統合し,第1世代でも高い精度を実現する。 検出戦略に基づいて,個々の単語やトークンの記憶への寄与を示す説明可能なアプローチを提示する。
  論文  参考訳（メタデータ） (2024-07-31T16:13:29Z)
• What to Remember: Self-Adaptive Continual Learning for Audio Deepfake Detection [53.063161380423715]
  既存の検出モデルは、既知のディープフェイク音声を識別することに成功したが、新しい攻撃タイプに遭遇する際には苦労している。 本稿では,Radian Weight Modification (RWM) と呼ばれる連続的な学習手法を提案する。
  論文  参考訳（メタデータ） (2023-12-15T09:52:17Z)
• Do You Remember? Overcoming Catastrophic Forgetting for Fake Audio Detection [54.20974251478516]
  本稿では,破滅的な忘れを克服するために,偽音声検出のための連続学習アルゴリズムを提案する。 検出ネットワークを微調整する場合,本手法では,真の発話と偽発話の比率に応じて,重み付けの方向を適応的に計算する。 本手法は,音声の感情認識などの関連分野に容易に一般化できる。
  論文  参考訳（メタデータ） (2023-08-07T05:05:49Z)
• Generative adversarial networks with physical sound field priors [6.256923690998173]
  本稿では,GANを用いた音場再構築のための深層学習に基づくアプローチを提案する。 提案手法は, 平面波ベースと室内圧力の統計的分布を用いて, 限られた数の測定値から音場を再構成する。 提案手法は, 音場再構成に有望な手法であることを示す。
  論文  参考訳（メタデータ） (2023-08-01T10:11:23Z)
• A Novel Noise Injection-based Training Scheme for Better Model Robustness [9.749718440407811]
  ノイズインジェクションに基づく手法は、人工ニューラルネットワークの堅牢性を向上させることができることが示されている。 本研究では,より優れたモデルロバスト性を実現するための新しいノイズ注入型トレーニング手法を提案する。 実験結果から,提案手法は対向的ロバスト性において性能が向上し,元の精度では若干性能が向上することがわかった。
  論文  参考訳（メタデータ） (2023-02-17T02:50:25Z)
• Fast and efficient speech enhancement with variational autoencoders [0.0]
  変分オートエンコーダに基づく教師なし音声強調は、一般的な教師付き手法と比較して有望な性能を示した。 本稿では,複数のサンプル列を生成するランゲヴィン力学に基づく新しい手法を提案する。 提案手法は, 計算効率と品質向上を効果的に両立させ, 既存の手法より優れていることを示す。
  論文  参考訳（メタデータ） (2022-11-02T09:52:13Z)
• Continual Learning for Fake Audio Detection [62.54860236190694]
  本論文では,連続学習に基づく手法である忘れずに偽物を検出することで,モデルに新たなスプーフィング攻撃をインクリメンタルに学習させる手法を提案する。 ASVspoof 2019データセットで実験が行われる。
  論文  参考訳（メタデータ） (2021-04-15T07:57:05Z)
• Active Learning for Gaussian Process Considering Uncertainties with Application to Shape Control of Composite Fuselage [7.358477502214471]
  ガウス過程に不確実性のある2つの新しい能動学習アルゴリズムを提案する。 提案手法は不確実性の影響を取り入れ,予測性能の向上を実現する。 本手法は, 複合胴体の自動形状制御における予測モデルの改善に応用されている。
  論文  参考訳（メタデータ） (2020-04-23T02:04:53Z)
• Rectified Meta-Learning from Noisy Labels for Robust Image-based Plant Disease Diagnosis [64.82680813427054]
  植物病は食料安全保障と作物生産に対する主要な脅威の1つである。 1つの一般的なアプローチは、葉画像分類タスクとしてこの問題を変換し、強力な畳み込みニューラルネットワーク(CNN)によって対処できる。 本稿では,正規化メタ学習モジュールを共通CNNパラダイムに組み込んだ新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-17T09:51:30Z)

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。