Fugu-MT 論文翻訳(概要): A Training-Efficient Transformer-Based Anti-Spoofing Network for Logical Access in ASVspoof 5

論文の概要: A Training-Efficient Transformer-Based Anti-Spoofing Network for Logical Access in ASVspoof 5

arxiv url: http://arxiv.org/abs/2606.02980v1
Date: Tue, 02 Jun 2026 00:38:12 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-03 22:00:04.657045
Title: A Training-Efficient Transformer-Based Anti-Spoofing Network for Logical Access in ASVspoof 5
Title（参考訳）: ASVspoof 5における論理アクセスのための学習効率の良いトランスフォーマーベースアンチスプーフネットワーク
Authors: Sidan Yin, Bo Zhao,
Abstract要約: 本稿では,ASVspoof 5 Track 1のクローズド条件に着目し,標準的なクロスエントロピートレーニングはハードトライアルに十分な注意を払わない可能性がある。本稿では,トランスフォーマーをベースとした集中型注意型ランキングネットワークTFPARNを提案する。同じプロトコルで再実装されたAASISTとRawNet2ベースラインと比較して、TFPARNは、minDCFが0.2430、EERが12.52%である。
参考スコア（独自算出の注目度）: 3.3748832979930037
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Synthetic and manipulated speech can reduce the reliability of automatic speaker verification systems, so anti-spoofing methods need to be both accurate and efficient in training and inference. This paper focuses on the ASVspoof 5 Track 1 closed condition, where standard cross-entropy training may not give enough attention to hard trials and is not directly aligned with ranking- and threshold-based evaluation metrics. We propose TFPARN, a Transformer-based focal-pairwise attentive ranking network. The system extracts log-Mel features from speech, uses a Transformer encoder to model frame-level information, applies attention pooling to obtain utterance-level representations, and is trained with a combination of focal classification loss and pairwise ranking loss. RawBoost augmentation is used during training, and test-time augmentation is applied during evaluation to improve robustness. Compared with re-implemented AASIST and RawNet2 baselines under the same protocol, TFPARN achieves the best results, with a minDCF of 0.2430 and an EER of 12.52%. Ablation experiments further show that the pairwise loss, focal loss, and attention pooling all improve performance. TFPARN also uses the lowest inference memory among the compared systems, at 1.4 GB, runs at about 0.79 ms per utterance, and reaches its best checkpoint in less training time than AASIST. These results show that TFPARN provides a good balance between detection accuracy and computational cost for logical access anti-spoofing.
Abstract（参考訳）: 合成・操作された音声は、自動話者検証システムの信頼性を低下させる可能性があるため、トレーニングや推論において、アンチ・スプーフィング法は正確かつ効率的である必要がある。本稿では,ASVspoof 5 Track 1 のクローズド条件に着目し,標準的なクロスエントロピートレーニングはハードトライアルに十分な注意を払わず,ランキングやしきい値に基づく評価指標と直接一致しない。本稿では,トランスフォーマーをベースとした集中型注意型ランキングネットワークTFPARNを提案する。このシステムは、音声からログメル特徴を抽出し、トランスフォーマーエンコーダを用いてフレームレベル情報をモデル化し、アテンションプーリングを用いて発話レベル表現を求め、焦点分類損失とペアランキング損失の組み合わせで訓練する。トレーニング中にRawBoost拡張を使用し、評価中にテスト時間拡張を適用して堅牢性を改善する。同じプロトコルで再実装されたAASISTとRawNet2ベースラインと比較して、TFPARNは、minDCFが0.2430、EERが12.52%である。さらにアブレーション実験により、対の損失、焦点損失、注意プールが全て性能を向上させることが示された。 TFPARNはまた、比較したシステムの中で最低の推論メモリを1.4GBで使用し、発話あたり約0.79msで動作し、AASISTより少ないトレーニング時間で最高のチェックポイントに達する。これらの結果から,TFPARNは検出精度と論理アクセス防止のための計算コストのバランスが良好であることがわかった。

関連論文リスト

Rep Smarter, Not Harder: AI Hypertrophy Coaching with Wearable Sensors and Edge Neural Networks [0.9939775124582318]
単一手首搭載慣性測定器(IMU)のみを用いた抵抗運動時の近距離損傷状態のリアルタイムフィードバックシステムを提案する。 ResNetベースのモデルセグメントは、6軸IMUデータからリアルタイムで繰り返し、分類モデルは、ほぼ障害状態に対応する運動窓を特定する。 Raspberry Pi 5への展開は平均で112ms、iPhone 16では23.5msとなり、エッジ計算の可能性が確認された。
論文参考訳（メタデータ） (2025-12-05T01:49:47Z)
Boosted Training of Lightweight Early Exits for Optimizing CNN Image Classification Inference [47.027290803102666]
我々は、分岐学習と推論時データ分布を整合させるシーケンシャルなトレーニング手法を導入する。 ResNet18バックボーンによるCINIC-10データセットの実験では、BTS-EEが非ブートトレーニングを一貫して上回っていることが示されている。これらの結果は,産業検査,組込みビジョン,UAVに基づく監視などの応用において,実用的効率の向上をもたらす。
論文参考訳（メタデータ） (2025-09-10T06:47:49Z)
Noisy Correspondence Learning with Self-Reinforcing Errors Mitigation [63.180725016463974]
クロスモーダル検索は、実際は精力的な、十分に整合した大規模データセットに依存している。我々は、新しい雑音対応学習フレームワーク、textbfSelf-textbfReinforcing textbfErrors textbfMitigation(SREM)を導入する。
論文参考訳（メタデータ） (2023-12-27T09:03:43Z)
Distributed Adversarial Training to Robustify Deep Neural Networks at Scale [100.19539096465101]
現在のディープニューラルネットワーク(DNN)は、入力に対する敵の摂動が分類を変更したり操作したりする敵の攻撃に対して脆弱である。このような攻撃を防御するために、敵の訓練(AT)として知られる効果的なアプローチが、堅牢な訓練を緩和するために示されている。複数のマシンにまたがって実装された大規模バッチ対逆トレーニングフレームワークを提案する。
論文参考訳（メタデータ） (2022-06-13T15:39:43Z)
Boosting Facial Expression Recognition by A Semi-Supervised Progressive Teacher [54.50747989860957]
本稿では,信頼度の高いFERデータセットと大規模未ラベル表現画像を有効訓練に用いるための半教師付き学習アルゴリズム,Progressive Teacher (PT)を提案する。 RAF-DB と FERPlus を用いた実験により,RAF-DB で89.57% の精度で最先端の性能を実現する手法の有効性が検証された。
論文参考訳（メタデータ） (2022-05-28T07:47:53Z)
Consistency Regularization Can Improve Robustness to Label Noise [4.340338299803562]
本稿では,雑音ラベルに対するトレーニング時ロバスト性に対する整合正則化の関連性について実験的に検討する。整合性を促進する単純な損失関数は、ノイズをラベル付けするためのモデルの堅牢性を改善する。
論文参考訳（メタデータ） (2021-10-04T08:15:08Z)
Semi-Supervised Object Detection with Adaptive Class-Rebalancing Self-Training [5.874575666947381]
本研究は、追加のラベル付きデータを用いて半教師付き物体検出を行い、検出性能を向上させることを目的とする。疑似ラベルを生成するための新しい2段階フィルタリングアルゴリズムを提案する。提案手法は,MS-COCOおよびVOCベンチマークの良好な改善を実現する。
論文参考訳（メタデータ） (2021-07-11T12:14:42Z)
Semi-supervised Contrastive Learning with Similarity Co-calibration [72.38187308270135]
SsCL(Semi-supervised Contrastive Learning)と呼ばれる新しいトレーニング戦略を提案する。 ssclは、自己教師付き学習におけるよく知られたコントラスト損失と、半教師付き学習におけるクロスエントロピー損失を組み合わせる。 SsCLはより差別的な表現を生じさせ,ショット学習に有益であることを示す。
論文参考訳（メタデータ） (2021-05-16T09:13:56Z)
Unsupervised Domain Adaptation for Speech Recognition via Uncertainty Driven Self-Training [55.824641135682725]
WSJ をソースドメインとし,TED-Lium 3 とSWITCHBOARD を併用したドメイン適応実験を行った。
論文参考訳（メタデータ） (2020-11-26T18:51:26Z)
Dynamically Mitigating Data Discrepancy with Balanced Focal Loss for Replay Attack Detection [10.851348154870852]
我々は、アンチ・スプーフィングにおいては、モデリングプロセスにおいて容易に分類されたサンプルよりも識別不能なサンプルに注意が必要であると論じている。本研究は, サンプル自体の特性に基づいて, 損失を動的にスケールする訓練目的として, バランスの取れた焦点損失関数を活用することを提案する。相補的な特徴により、3種類の機能しか持たない融合系は他のシステムよりも22.5%、min-tDCFが7%、EERが7%向上する。
論文参考訳（メタデータ） (2020-06-25T17:06:47Z)

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。