論文の概要: Clean Accuracy Does Not Guarantee Provenance Robustness: A Prospective Codec-Stress Evaluation of Audio Attribution
- arxiv url: http://arxiv.org/abs/2609.07981v1
- Date: Mon, 07 Sep 2026 21:01:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.52143
- Title: Clean Accuracy Does Not Guarantee Provenance Robustness: A Prospective Codec-Stress Evaluation of Audio Attribution
- Title（参考訳）: クリーンな正確さは前兆ロバスト性を保証しない: 音声属性の先進的コーデックストレス評価
- Abstract要約: 単段輸送後のクローズドセット属性の予測的登録を報告する。
2つのコーパスでは、53.5[43.5, 63.6]と70.3[63.0, 77.5]のマクロF1ポイント、W2V2-BERT 2.0の61.0[56.8, 65.1]と49.8[41.6, 57.9]に達する。
- 参考スコア（独自算出の注目度）: 2.907660030602646
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Audio provenance attribution - which system produced a synthetic utterance - is reported at near-ceiling accuracy on clean benchmarks, yet audio reaching an analyst has usually been transcoded. We report a prospectively registered measurement of closed-set attribution after single-stage codec transport, with the analysis region fixed from fidelity metadata before any attribution model was trained. On two corpora, in-support losses reach 53.5 [43.5, 63.6] and 70.3 [63.0, 77.5] Macro-F1 points for WavLM-Base+, and 61.0 [56.8, 65.1] and 49.8 [41.6, 57.9] for W2V2-BERT 2.0, under simultaneous component-level bands. Degradation is strongly condition- and representation-dependent: within one in-support grid WavLM losses run from -0.4 to +53.5 points, and the two encoders differ beyond a prespecified +/-5-point margin at six of twelve conditions. A clean-qualified ECAPA-TDNN and a Proxy-Anchor head degrade comparably, so the effect is not confined to one representation family or a weak linear head. The registered matched-fidelity comparison was not estimable on this grid, and waveform and perceptual measures order the conditions differently: MP3 at 8 kbit/s ranks mid-grid on SI-SDR but last on PESQ-WB while causing the largest loss. For the tested tasks, corpora, representations and codec grid, a clean accuracy figure does not by itself characterise deployment robustness.
- Abstract（参考訳）: 音声の発声属性(合成発話を生成するシステム)は、クリーンなベンチマークでほぼ正確な精度で報告されるが、アナリストに届く音声は通常、トランスコードされている。
単段コーデック輸送後のクローズドセット属性を前向きに登録し,任意の属性モデルが訓練される前に,解析領域を忠実度メタデータから固定した。
2つのコーパスでは、53.5[43.5, 63.6]と70.3[63.0, 77.5]のマクロF1ポイント、W2V2-BERT 2.0の61.0[56.8, 65.1]と49.8[41.6, 57.9]に達する。
劣化は強い条件と表現に依存しており、1つの非サポートグリッド WavLM の損失は -0.4 から +53.5 まで変化し、2 つのエンコーダは 12 つの条件のうち 6 つの条件のうち 6 つの条件で指定された +/-5 点のマージンを超えて異なる。
清浄化されたCAPA-TDNNとプロキシアンカーヘッドは両立可能で、その効果は1つの表現系や弱い線形ヘッドに限らない。
8kbit/sのMP3はSI-SDRではミッドグリッドにランクされ、PESQ-WBでは最後となるが、最大の損失の原因となっている。
テストされたタスク、コーパス、表現、コーデックグリッドに対して、クリーンな精度図は、それ自体がデプロイメントの堅牢性を特徴づけるものではない。
関連論文リスト
- SEDR-Seq2P: A Lightweight Dilated Residual Sequence-to-Point Network for Multi-Task Industrial NILM [0.0]
この研究は、1つのネットワークが集約電力から複数の産業機械負荷を推定する1対多のマルチタスク分散設定を採用する。
エネルギー推定指標と精度遅延基準を用いて,Seq2Seq,Seq2SubSeq,Seq2Point,GRU,WaveNetをベンチマークした。
拡張残差ブロックと圧縮・励起アテンションを備えた軽量なSeq2Point拡張SEDR-Seq2Pを提案する。
論文 参考訳（メタデータ） (2026-07-30T09:06:50Z) - Traffic-Aware Randomized Smoothing for LLM-Based Network Intrusion Detection [1.4915002678801434]
本稿では,侵入検知システムに対するTA-RS(Traffic-Aware Randomized Smoothing)を提案する。
ガウスノイズを制御可能部分空間(DC)にのみ注入する認証された防御法である。
2つのデータセットに対して、55-100%の認証精度を達成する。
論文 参考訳（メタデータ） (2026-07-15T13:08:19Z) - Training-Free Model Selection and Domain-Aware Score Calibration for First-Shot Anomalous Sound Detection [0.12691047660244334]
DCASE Challenge Task 2における1発の異常音検出は、未確認の機械の異常を1つの閾値で警告しなければならない。
ソースドメインとターゲットドメインのAUCはシステム間で負の相関を持ち、開発セットの性能は評価セットのパフォーマンスを予測しない。
凍結したオーディオ埋め込みの上に、トレーニング不要のポストホック層で対処する。
論文 参考訳（メタデータ） (2026-07-05T22:22:31Z) - Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
PointArena 2026は77.2%の精度でベンチマークで2位である。
ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。
次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
論文 参考訳（メタデータ） (2026-06-29T06:39:03Z) - Beyond False Stability: High-Noise Drift Gating for Test-Time Adversarial Defenses in Vision-Language Models [37.24612885977265]
CLIPのような視覚言語モデル(VLM)は、強いゼロショットの一般化を示すが、敵攻撃に対して非常に脆弱である。
最近のアプローチでは、CLIPの視覚的表現が摂動にどのように反応するかを利用する。
軽量ゲーティング信号として高雑音特徴ドリフトを用いた学習自由なプラグインドリフトゲート機構を提案する。
論文 参考訳（メタデータ） (2026-06-02T14:49:04Z) - Converted, Not Equivalent: Benchmarking Codebase Conversion via Observational Equivalence [56.25095230687242]
コーディングエージェントは、しばしば自身のローカル検証ルーチンを過度に信頼し、表面チェックを満たすアーティファクトの成功を宣言する。
この問題は、事前評価が結果駆動である変換において特に深刻である。
ブラインド・コンバージョンは26.7-28.9%に達し、スペック・パスレートは91.1%まで上昇した。
このことは、失敗は限られた予算やバックボーンの強さよりも、契約ミスによる自己検証に起因していることを示唆している。
論文 参考訳（メタデータ） (2026-05-27T19:57:15Z) - From Theory to Decision Rule: Calibrating the Noisy-Label Crossover for Vision-Language Model Weak Supervision Across Three Medical-Imaging Benchmarks [41.99844472131922]
基礎モデル弱いラベルに対するベンチマークキャリブレーションを提供する。
理論によって予測される交差は、PCAMではng100、ISICでは20-50、NIH-CXRでは250-500である。
NIH-CXR上の構造付きvs-ランダムノイズ符号フリップは、境界のレートのみの定式化が不完全であることを示す。
論文 参考訳（メタデータ） (2026-05-23T23:15:07Z) - Distributional Energy-Based Models for Uncertainty-Aware Structured LLM Reasoning [40.342912574072024]
大規模言語モデルは、旅行計画やコードソリューションのような構造化されたアウトプットを生成する。
個々の推論ステップは正しく見えるが、アウトプット全体が予算に違反したり、テストケースに失敗したり、あるいは以前の推論に矛盾することがある。
構造化LCM出力の検証のための決定論的解析制約付き学習品質スコアラを提案する。
論文 参考訳（メタデータ） (2026-05-15T17:08:27Z) - ACAR: Adaptive Complexity Routing for Multi-Model Ensembles with Auditable Decision Traces [3.151184728006369]
本稿では,聴覚条件下でのマルチモデルオーケストレーションのための測定フレームワークACARを提案する。
ACARは、N=3プローブサンプルから計算した自己整合分散(sigma)を使用して、単一モデル、2モデル、3モデル実行モードでタスクをルーティングする。
我々は4つのベンチマークにまたがる1,510のタスクに対してACARを評価し、7,550以上の監査可能な実行を生成した。
論文 参考訳（メタデータ） (2026-02-06T23:27:17Z) - From Environmental Sound Representation to Robustness of 2D CNN Models
Against Adversarial Attacks [82.21746840893658]
本稿では, 各種環境音響表現(スペクトログラム)が, 被害者残差畳み込みニューラルネットワークの認識性能と対角攻撃性に与える影響について検討する。
DWTスペクトログラムでトレーニングしたResNet-18モデルでは高い認識精度が得られたが、このモデルに対する攻撃は敵にとって比較的コストがかかる。
論文 参考訳（メタデータ） (2022-04-14T15:14:08Z)
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。