論文の概要: Removing Speech, Keeping Activities: A Privacy Firewall for Acoustic Sensing in Assisted Living
- arxiv url: http://arxiv.org/abs/2609.02376v1
- Date: Wed, 02 Sep 2026 09:48:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-03 17:53:18.222069
- Title: Removing Speech, Keeping Activities: A Privacy Firewall for Acoustic Sensing in Assisted Living
- Title（参考訳）: 音声の除去, 活動の維持: 生活支援のための音響センシングのためのプライバシファイアウォール
- Abstract要約: 音響センシングは,高齢者の日常生活活動のモニタリングに有望な非侵襲的アプローチを提供する。
U-Netエンコーダデコーダをベースとしたプライバシファイアウォールパイプラインを提案する。
SVM分類器を用いたVGGish変換学習を用いて,アクティビティ認識を行う。
- 参考スコア（独自算出の注目度）: 0.9167082845109437
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Acoustic sensing offers a promising non-intrusive approach for monitoring daily activities of older adults, yet speech privacy concerns remain a critical barrier to real-world deployment. We present a privacy firewall pipeline based on a U-Net encoder-decoder, trained entirely on synthetic data, that removes speech from ambient audio while preserving environmental sounds indicative of daily activities. Activity recognition is performed using VGGish transfer learning with an SVM classifier. Evaluated on the ESC-50 and SINS datasets across multiple speech content levels, the proposed model reduced residual speech to 0% VAD-detectable speech (Silero Voice Activity Detection) under all tested conditions, outperforming Facebook Denoiser (6.55% residual), SepFormer (36.34%) and ConvTasNet (47.21%) on ESC-50 at the 100\% speech level. On ESC-50 at 40% speech level, classification performance recovers to 85% precision and 85% recall after speech removal, compared with 81%/75% before removal and an 84%/83% speech-free baseline. Evaluation on real-world participant home recordings collected with the AudioHive app showed 0% VAD-detectable speech after processing while maintaining 76% precision and recall. The pipeline enables privacy-preserving acoustic sensing without sacrificing activity recognition performance, addressing a key obstacle to the adoption of ambient monitoring in elderly care.
- Abstract（参考訳）: 音響センシングは、高齢者の日常活動を監視するための有望な非侵襲的なアプローチを提供するが、音声のプライバシーに関する懸念は、現実世界の展開にとって重要な障壁である。
本稿では,U-Netエンコーダデコーダをベースとしたプライバシファイアウォールパイプラインを提案する。
SVM分類器を用いたVGGish変換学習を用いて,アクティビティ認識を行う。
ESC-50とSINSのデータセットを複数の音声コンテンツレベルで評価し、提案したモデルでは、残音声を0% VAD検出可能な音声(Silero Voice Activity Detection)に減らし、100\%の音声レベルでFacebook Denoiser(6.55%)、SepFormer(36.34%)、ConvTasNet(47.21%)を上回った。
音声レベル40%のESC-50では、音声除去後の85%の精度と85%のリコールが回復し、除去前の81%/75%と84%/83%の無声ベースラインが回復した。
また,AudioHiveアプリで収集した実世界の参加者の自宅記録の評価では,処理後のVAD検出可能な音声は0%,精度は76%,リコールは0%であった。
このパイプラインは、活動認識性能を犠牲にすることなく、プライバシ保護の音響センシングを可能にし、高齢者介護における環境監視の導入に対する重要な障害に対処する。
関連論文リスト
- EmotionAI: A Privacy-Preserving Computational Intelligence Pipeline for Speech-Emotion-Grounded Conversational Analysis [1.5803208833562954]
EmotionAIは完全にローカルな計算インテリジェンスパイプラインで、音声認識と生成的推論を結合する。
話者ダイアリゼーション、Whisper Automatic Speech Recognition (ASR)、およびwav2vec2感情分類器は、セグメントごとの感情的証拠を生成する。
このコントリビューションは最先端のSERではなく、不完全な感情的証拠を監査可能なプライバシー保護の基盤となる会話分析に統合したものだ。
論文 参考訳（メタデータ） (2026-06-22T20:45:49Z) - AudioSAE: Towards Understanding of Audio-Processing Models with Sparse AutoEncoders [10.728025430620647]
私たちは、WhisperとHuBERTのすべてのエンコーダ層にわたってSAEをトレーニングします。
50%以上の機能は無作為な種間で一貫しており、復元品質は維持されている。
SAEの特徴は, 音声知覚における脳波活動と相関し, 人間の神経処理との整合性を示す。
論文 参考訳（メタデータ） (2026-02-04T20:29:16Z) - Cocktail-Party Audio-Visual Speech Recognition [58.222892601847924]
本研究では,現在のAVSRシステムのベンチマークを行うために設計された,新しい音声-視覚カクテルパーティデータセットを提案する。
音声とサイレント顔の両方からなる1526時間AVSRデータセットをコントリビュートし,カクテルパーティー環境における顕著な性能向上を実現した。
我々の手法は、WERを最先端と比較して67%削減し、WERを明示的なセグメンテーション手法に頼ることなく、極音の119%から39.2%に削減する。
論文 参考訳（メタデータ） (2025-06-02T19:07:51Z) - EARS: An Anechoic Fullband Speech Dataset Benchmarked for Speech Enhancement and Dereverberation [83.29199726650899]
EARSデータセットは、さまざまなバックグラウンドから107人の話者で構成され、100時間のクリーンで無響な音声データである。
データセットには、感情的なスピーチ、異なる読み方、非言語音、会話の自由なスピーチなど、幅広い種類の話し方が含まれている。
提案手法は,データセット上での音声強調とデバーベレーションのための様々な手法をベンチマークし,その性能を測定値を用いて評価する。
論文 参考訳（メタデータ） (2024-06-10T11:28:29Z) - Crowdotic: A Privacy-Preserving Hospital Waiting Room Crowd Density
Estimation with Non-speech Audio [4.149485024539117]
クラウド分析のための非音声音声に基づくアプローチを提案する。
非音声のみを用いて、顕著な精度でそのような分析を行うことができる。
論文 参考訳（メタデータ） (2023-09-19T03:08:20Z) - Continuous Modeling of the Denoising Process for Speech Enhancement
Based on Deep Learning [61.787485727134424]
状態変数をデノナイジングプロセスを示すために使用します。
UNetのようなニューラルネットワークは、連続的復調プロセスからサンプリングされたすべての状態変数を推定することを学ぶ。
実験結果から, クリーンターゲットに少量の雑音を保存することは, 音声強調に有効であることが示唆された。
論文 参考訳（メタデータ） (2023-09-17T13:27:11Z) - Audio-visual End-to-end Multi-channel Speech Separation, Dereverberation
and Recognition [52.11964238935099]
本稿では,音声-視覚的多チャンネル音声分離,デバーベレーション,認識手法を提案する。
ビデオ入力は、マスクベースのMVDR音声分離、DNN-WPEまたはスペクトルマッピング(SpecM)ベースの音声残響フロントエンドで一貫して実証される。
オックスフォードLSS2データセットのシミュレーションや再生を用いて合成した重畳および残響音声データについて実験を行った。
論文 参考訳（メタデータ） (2023-07-06T10:50:46Z) - Robust Self-Supervised Audio-Visual Speech Recognition [29.526786921769613]
本稿では,Audio-Visual HuBERT(AV-HuBERT)に基づく自己教師型音声視覚音声認識フレームワークを提案する。
利用可能な最大のAVSRベンチマークデータセットであるLSS3では、ラベル付きデータの10%未満を使用して、従来の最先端(28.0%対14.1%)よりも50%優れています。
我々のアプローチは、平均して75%以上(25.8%対5.8%)のオーディオベースモデルのWERを削減する。
論文 参考訳（メタデータ） (2022-01-05T18:50:50Z) - Wav2vec-Switch: Contrastive Learning from Original-noisy Speech Pairs
for Robust Speech Recognition [52.71604809100364]
音声の文脈化表現に雑音のロバスト性をエンコードするwav2vec-Switchを提案する。
具体的には、オリジナルノイズの多い音声ペアを同時にwav2vec 2.0ネットワークに供給する。
既存のコントラスト学習タスクに加えて、原音声と雑音音声の量子化表現を追加の予測対象に切り替える。
論文 参考訳（メタデータ） (2021-10-11T00:08:48Z) - UniSpeech: Unified Speech Representation Learning with Labeled and
Unlabeled Data [54.733889961024445]
ラベル付きデータとラベル付きデータの両方を用いて音声表現を学習するためのUniSpeechという統合事前学習手法を提案する。
公立CommonVoiceコーパス上での言語間表現学習におけるUniSpeechの有効性を評価する。
論文 参考訳（メタデータ） (2021-01-19T12:53:43Z) - Practical Speech Re-use Prevention in Voice-driven Services [28.7930704553513]
音声駆動サービス(VDS)は、スマートホームコントロールからデジタルアシスタントを使った支払いまで、さまざまなアプリケーションで使用されている。
このような設定における重要な運用セキュリティ要件の1つは、入力音声の新鮮さです。
本稿では,ユーザインタラクション時に動的音響ノイズを埋め込むセキュリティオーバーレイを提案する。
音響能は(i)確実に埋め込まれ、取り出すことができ、(ii)VDSユーザーに対して非破壊的(かつ知覚不能)であることを実証する。
論文 参考訳（メタデータ） (2021-01-12T22:00:59Z)
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。