自動話者検証におけるスプーフィング検出のためのサブバンドモデリング【JST・京大機械翻訳】

Chettri Bhusan; Kinnunen Tomi; Benetos Emmanouil

プレプリント

J-GLOBAL ID：202202218080436378 整理番号：22P0130949

自動話者検証におけるスプーフィング検出のためのサブバンドモデリング【JST・京大機械翻訳】

Subband modeling for spoofing detection in automatic speaker verification

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2020年04月04日プレプリントサーバーでの情報更新日： 2020年04月04日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

オーディオ信号のスペクトログラム-時間-周波数表現は,ニューラルネットワークベースのスプーフィング検出において広範な使用を見出している。深いモデルは信号のフルバンドスペクトルで訓練されるが,すべての周波数帯がこれらのタスクに有効でないと主張する。本論文では,2つのベンチマークデータセット(ASVspoof 2017 v2.0とASVspoof 2019 PA)に対する,異なるサブバンドの影響とその重要性を,2つのベンチマークデータセット,すなわち,その重要性を,系統的に調査した。サブバンド固有特徴を学習するために,nの異なるサブネットワークを用いる結合サブバンドモデリングフレームワークを提案した。これらを後に組み合わせ,分類器に通過し,訓練中に全ネットワーク重みを更新した。2017年データセットのASVspoofの知見は,最も識別的な情報が第一と最後の1kHz周波数帯にあり,これらの2つのサブバンドで訓練された結合モデルは,大きなマージンによってベースラインを凌駕する最良の性能を示した。しかし,これらの知見はASVspoof 2019 PAデータセットに一般化しない。これは,これらのモデル訓練に利用できるデータセットが,実際の世界の再生条件を反映していないことを示唆し,訓練再生対策の訓練のためのデータセットの注意深い設計の必要性を示唆した。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , 【Automatic Indexing@JST】

通信網 , 人工知能

, ,

前のページに戻る