論文の概要: What Does an Audio Deepfake Detector Focus on? A Study in the Time Domain

• arxiv url: http://arxiv.org/abs/2501.13887v1
• Date: Thu, 23 Jan 2025 18:00:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-24 15:54:58.928498
• Title: What Does an Audio Deepfake Detector Focus on? A Study in the Time Domain
• Title（参考訳）: オーディオディープフェイク検出器の焦点は何か? : 時間領域における検討
• Authors: Petr Grinberg, Ankur Kumar, Surya Koppisetti, Gaurav Bharaj,
• Abstract要約: 本稿では, 関連性に基づく説明可能なAI(XAI)手法を提案する。 我々は、限られた発話のみを研究する従来の研究とは異なり、大規模なデータセットを考慮に入れている。 音声・非音声・音声・音声・オフセットの相対的重要性に関するさらなる調査は、大きなデータセットで評価すると、限られた発話の分析から得られたXAI結果が必ずしも保持されないことを示唆している。
• 参考スコア（独自算出の注目度）: 4.8975242634878295
• License:
• Abstract: Adding explanations to audio deepfake detection (ADD) models will boost their real-world application by providing insight on the decision making process. In this paper, we propose a relevancy-based explainable AI (XAI) method to analyze the predictions of transformer-based ADD models. We compare against standard Grad-CAM and SHAP-based methods, using quantitative faithfulness metrics as well as a partial spoof test, to comprehensively analyze the relative importance of different temporal regions in an audio. We consider large datasets, unlike previous works where only limited utterances are studied, and find that the XAI methods differ in their explanations. The proposed relevancy-based XAI method performs the best overall on a variety of metrics. Further investigation on the relative importance of speech/non-speech, phonetic content, and voice onsets/offsets suggest that the XAI results obtained from analyzing limited utterances don't necessarily hold when evaluated on large datasets.
• Abstract（参考訳）: オーディオディープフェイク検出(ADD)モデルに説明を加えることで、意思決定プロセスに関する洞察を提供することで、現実のアプリケーションを強化することができる。 本稿では, 関連性に基づく説明可能なAI(XAI)手法を提案する。 音声における時間領域の相対的重要性を包括的に分析するために,定量的忠実度と部分的スプーフテストを用いた標準Grad-CAM法とSHAP法との比較を行った。 我々は、限られた発話しか研究していない従来の研究とは異なり、大規模なデータセットを考察し、XAI法がそれらの説明に異なることを見出した。 関連性に基づくXAI法は, 様々な指標において, 総合的に最適である。 音声・非音声・音声・音声・オフセットの相対的重要性に関するさらなる調査は、大きなデータセットで評価すると、限られた発話の分析から得られたXAI結果が必ずしも保持されないことを示唆している。

関連論文リスト

• SONAR: A Synthetic AI-Audio Detection Framework and Benchmark [59.09338266364506]
  SONARはAI-Audio Detection FrameworkとBenchmarkの合成である。 最先端のAI合成聴覚コンテンツを識別するための総合的な評価を提供することを目的としている。 従来のモデルとファンデーションベースのディープフェイク検出システムの両方で、AIオーディオ検出を均一にベンチマークする最初のフレームワークである。
  論文  参考訳（メタデータ） (2024-10-06T01:03:42Z)
• CLAIR-A: Leveraging Large Language Models to Judge Audio Captions [73.51087998971418]
  機械生成オーディオキャプションの評価は、様々な要因を検討する必要がある複雑なタスクである。 本稿では,大規模言語モデルのゼロショット機能を活用するシンプルで柔軟なCLAIR-Aを提案する。 我々の評価では、CLAIR-Aは従来のメトリクスと比較して品質の人的判断を良く予測する。
  論文  参考訳（メタデータ） (2024-09-19T17:59:52Z)
• Benchmarking Representations for Speech, Music, and Acoustic Events [24.92641211471113]
  ARCHは、多様なオーディオ分類領域上でARLメソッドを評価するための包括的なベンチマークである。 ARCHは12のデータセットで構成されており、異なるサイズのトレーニング済みSSLモデルを徹底的に評価することができます。 現在、非音声のためのオープンソースの事前学習モデルがないことに対処するため、非音声データセット上で強力なパフォーマンスを示す新しい事前学習モデルもリリースする。
  論文  参考訳（メタデータ） (2024-05-02T01:24:53Z)
• SIDU-TXT: An XAI Algorithm for NLP with a Holistic Assessment Approach [14.928572140620245]
  画像に基づく分類において、正統領域全体を局所化する能力に優れる「相似性差と特異性」(SIDU)XAI法をテキストデータに拡張する。 拡張されたSIDU-TXTは、ブラックボックスモデルから特徴活性化マップを使用して、粒度の細かい単語ベースのヒートマップを生成する。 映画レビューデータセットの感情分析タスクにおいて,SIDU-TXTは機能的評価と人為的評価の両方において優れていることがわかった。
  論文  参考訳（メタデータ） (2024-02-05T14:29:54Z)
• Can We Trust Explainable AI Methods on ASR? An Evaluation on Phoneme Recognition [9.810810252231812]
  深層学習に基づく音声認識(ASR)を説明するためにXAI技術を使うことに関心が持たれている。 画像分類領域である局所解釈可能なモデル非依存表現(LIME)からTIMITに基づく音素認識タスクの訓練モデルに適用する。 本稿では、時間分割音声セグメントに基づくLIMEの変種を見つけ、最も信頼性の高い説明を生成する。
  論文  参考訳（メタデータ） (2023-05-29T11:04:13Z)
• An Experimental Investigation into the Evaluation of Explainability Methods [60.54170260771932]
  この研究は、9つの最先端XAI法と3つのダミー法(例えば、ランダム・サリエンシ・マップ)に適用された14の異なるメトリクスを比較した。 実験の結果、これらの指標のどれが高い相関関係を示し、潜在的な冗長性を示している。
  論文  参考訳（メタデータ） (2023-05-25T08:07:07Z)
• Analysing the Impact of Audio Quality on the Use of Naturalistic Long-Form Recordings for Infant-Directed Speech Research [62.997667081978825]
  早期言語習得のモデリングは、幼児が言語スキルをブートストラップする方法を理解することを目的としている。 近年の進歩により、より自然主義的なトレーニングデータを計算モデルに利用できるようになった。 音質がこれらのデータに対する分析やモデリング実験にどう影響するかは、現時点では不明である。
  論文  参考訳（メタデータ） (2023-05-03T08:25:37Z)
• Deep Learning for Hate Speech Detection: A Comparative Study [54.42226495344908]
  ここでは, ディープ・ヘイト・音声検出法と浅いヘイト・音声検出法を大規模に比較した。 私たちの目標は、この地域の進歩を照らし、現在の最先端の強みと弱点を特定することです。 そこで我々は,ヘイトスピーチ検出の実践的利用に関するガイダンスの提供,最先端の定量化,今後の研究方向の特定を目的としている。
  論文  参考訳（メタデータ） (2022-02-19T03:48:20Z)
• Interpretable Multi-dataset Evaluation for Named Entity Recognition [110.64368106131062]
  本稿では,名前付きエンティティ認識(NER)タスクに対する一般的な評価手法を提案する。 提案手法は,モデルとデータセットの違いと,それらの間の相互作用を解釈することを可能にする。 分析ツールを利用可能にすることで、将来の研究者が同様の分析を実行し、この分野の進歩を促進することができる。
  論文  参考訳（メタデータ） (2020-11-13T10:53:27Z)

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。