Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

XMAD-Bench: Cross-Domain Multilingual Audio Deepfake Benchmark

Created by
  • Haebom

저자

Ioan-Paul Ciobanu, Andrei-Iulian Hiji, Nicolae-Catalin Ristea, Paul Irofti, Cristian Rusu, Radu Tudor Ionescu

개요

본 논문은 최근 증가하는 오디오 딥페이크로 인한 위험성을 해결하기 위해, 다국어 지원 대규모 교차 도메인 오디오 딥페이크 벤치마크인 XMAD-Bench를 소개합니다. 기존 연구들이 주로 동일한 생성 모델로 훈련 및 테스트 데이터를 생성하는 도메인 내 설정에서 높은 정확도를 보고하는 것과 달리, XMAD-Bench는 화자, 생성 방법, 실제 오디오 소스가 훈련 및 테스트 데이터 간에 서로 다른 교차 도메인 설정을 제공합니다. 668.8시간 분량의 실제 및 딥페이크 음성 데이터를 포함하며, "실제 환경"에서 오디오 딥페이크 탐지기의 성능을 평가할 수 있도록 합니다. 실험 결과, 기존 탐지기들의 도메인 내 성능은 매우 높지만, 교차 도메인 성능은 우연에 가까울 정도로 낮다는 것을 보여주어, 다양한 언어, 화자, 생성 방법 및 데이터 소스에 대한 일반화 능력을 유지하는 강력한 오디오 딥페이크 탐지기 개발의 필요성을 강조합니다. XMAD-Bench는 https://github.com/ristea/xmad-bench/ 에서 공개됩니다.

시사점, 한계점

시사점:
기존 오디오 딥페이크 탐지기의 도메인 내 성능과 교차 도메인 성능 간의 큰 차이를 밝혀냄으로써, 현존 기술의 한계를 명확히 제시합니다.
다양한 상황에서 일반화 가능한 강건한 오디오 딥페이크 탐지기 개발의 중요성을 강조합니다.
대규모 다국어 교차 도메인 오디오 딥페이크 벤치마크 XMAD-Bench를 공개하여, 향후 연구의 발전에 기여합니다.
한계점:
XMAD-Bench가 모든 가능한 오디오 딥페이크 생성 방법과 데이터 소스를 포함하지는 않을 수 있습니다. 따라서, 실제 세계의 모든 시나리오를 완벽하게 반영하지 못할 수 있습니다.
벤치마크의 성능 평가는 특정 지표에 의존하므로, 다양한 평가 지표를 활용한 추가적인 분석이 필요할 수 있습니다.
👍