On the Impact of Voice Anonymization on Speech-Based COVID-19 Detection

要約

タイトル: 音声匿名化が発話に基づくCOVID-19検出に与える影響についての研究

要約:
-深層学習の進歩により、音声に基づくアプリケーションが増加しており、これらは個人アシスタント、情動計算、遠隔疾患診断などに範囲が及んでいる
-音声には言語的な情報だけでなく、声のピッチ、抑揚、話速、音量など、非言語的な情報も含まれるため、スピーカーのプライバシーとアイデンティティを保護するために音声匿名化に関心が高まっている
-音声プライバシーの課題が最近いくつか発生しており、言語的なコンテンツを維持しながら話者のアイデンティティを除去することに焦点が置かれてきた
-しかし、情動計算や病気監視アプリケーションの場合、非言語的なコンテンツがより重要なことがある
-残念ながら、匿名化がこれらのシステムに与える影響はまだほとんど分かっていない
-この論文では、音声に基づくCOVID-19診断の健康管理アプリケーションを特定し、2つの人気のある匿名化手法をテストし、3つの公開データセットを使用して5つの異なる最先端のCOVID-19診断システムに与える影響を量る
-匿名化手法の効果を検証し、計算複雑度を比較し、検証する
-最後に、匿名化をデータ拡張ツールとしての利点を示し、匿名化されたデータに見られるCOVID-19診断精度の損失の一部を回復するのに役立つことを示す

要約(オリジナル)

With advances seen in deep learning, voice-based applications are burgeoning, ranging from personal assistants, affective computing, to remote disease diagnostics. As the voice contains both linguistic and paralinguistic information (e.g., vocal pitch, intonation, speech rate, loudness), there is growing interest in voice anonymization to preserve speaker privacy and identity. Voice privacy challenges have emerged over the last few years and focus has been placed on removing speaker identity while keeping linguistic content intact. For affective computing and disease monitoring applications, however, the paralinguistic content may be more critical. Unfortunately, the effects that anonymization may have on these systems are still largely unknown. In this paper, we fill this gap and focus on one particular health monitoring application: speech-based COVID-19 diagnosis. We test two popular anonymization methods and their impact on five different state-of-the-art COVID-19 diagnostic systems using three public datasets. We validate the effectiveness of the anonymization methods, compare their computational complexity, and quantify the impact across different testing scenarios for both within- and across-dataset conditions. Lastly, we show the benefits of anonymization as a data augmentation tool to help recover some of the COVID-19 diagnostic accuracy loss seen with anonymized data.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI