機械学習による音声情報のための知覚ハッシュ

• Item type: SIG Technical Reports(1)
• 公開日: 2025-02-24
• タイトル / 言語: ja
• タイトル: 機械学習による音声情報のための知覚ハッシュ
• タイトル / 言語: en
• タイトル: Perceptual Hashing for Audio Information through Machine Learning
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: SITE
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 神奈川大学工学部電気電子情報工学科
• 著者所属: 神奈川大学工学部電気電子情報工学科
• 著者所属: 千葉工業大学先進工学部知能メディア工学科
• 著者所属: 東京科学大学工学院
• 著者所属: 神奈川大学工学部電気電子情報工学科
• 著者所属(英): en
• 著者所属(英): Department of Electrical, Electronic and Information Engineering, Faculty of Engineering, Kanagawa University
• 著者所属(英): en
• 著者所属(英): Department of Electrical, Electronic and Information Engineering, Faculty of Engineering, Kanagawa University
• 著者所属(英): en
• 著者所属(英): Department of Advanced Media, Faculty of Advanced Engineering, Chiba Institute of Technology
• 著者所属(英): en
• 著者所属(英): School of Engineering, Institute of Science Tokyo
• 著者所属(英): en
• 著者所属(英): Department of Electrical, Electronic and Information Engineering, Faculty of Engineering, Kanagawa University
• 著者名: 郭,承迅; 細野,海人; 宮田,高道; 宮田,純子; 木下,宏揚
• 著者名(英): Chenghsun Kuo; Kaito Hosono; Takamichi Miyata; Sumiko Miyata; Hirotsugu Kinoshita
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 著作権管理システムでは，音声が改変されていないか検査できるように，情報の指紋ともいえるメッセージダイジェストが必要になる．しかし，加工編集されたコンテンツにに対応するには，暗号学的ハッシュ関数だけでは不十分で，知覚ハッシュが重要な要素技術となる．知覚ハッシュによるメッセージダイジェストは，音声の加工・編集を行っても人間が元は同じ音声と認識できる場合に等しいハッシュ値を出力するため，著作権管理に向いている．さらに，同一話者が異なる単語を発声した場合や異なる話者が同一単語を発声した場合においても，コンテンツの同一性に基づくハッシュ値を生成可能である．また，論文や書籍・オーディオコレクションなどのコンテンツには，複数の異なる音声が収録されており，コンテンツ内の各音声に同一のハッシュ値を一括して生成すれば，コンテンツの管理が容易になる．本研究では，Wav2Vec2モデルを利用した知覚ハッシュ生成手法を提案する．音声波形を直接処理する特性を活かし，従来のCNNベース手法よりも編集耐性と話者/コンテンツ同一性の両立を実現する．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: For copyright management systems, message digests, which can be considered as fingerprints of information, are necessary to inspect whether audio has been modified or not. Message digests based on perceptual hashes are suitable for copyright management because they produce equal hash values for audio that humans can recognize as the same original sound, even if the audio is processed or edited. Furthermore, contents such as papers, books, and audio collections contain several different audios. If the same hash value is generated for each audio in the content, it becomes easier to manage the content. In this study, we propose a method for generating perceptual hashes using CNN weight coefficients.
• 論文抄録(英) / 言語: en
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA12326962
• 書誌情報: 研究報告インターネットと運用技術（IOT）; 巻 2025-IOT-68, 号 39, p. 1-7, 発行日 2025-02-24
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8787
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会