ベンガル語のディープフェイク音声検出：ゼロショットとファインチューニングの比較Paper#Audio Deepfake Detection🔬 Research|分析: 2026年1月4日 00:15•公開: 2025年12月25日 14:53•1分で読める•ArXiv分析この論文は、ディープフェイク音声の増大する問題に対処し、特に未開拓分野であるベンガル語に焦点を当てています。ベンガル語のディープフェイク検出のベンチマークを提供し、ゼロショット推論とファインチューニングされたモデルを比較しています。この研究の重要性は、低リソース言語への貢献と、パフォーマンス向上のためのファインチューニングの有効性の実証にあります。重要ポイント•事前学習済みモデルを用いたゼロショット推論は、ベンガル語のディープフェイク検出において限定的な性能を示しました。•ファインチューニングは検出精度を大幅に向上させ、ResNet18が最良の結果を達成しました。•この研究は、低リソース言語に対応し、ベンガル語のディープフェイク音声検出のベンチマークを提供します。•この文脈では、効果的なディープフェイク検出にはファインチューニングが不可欠です。引用・出典原文を見る"Fine-tuned models show strong performance gains. ResNet18 achieves the highest accuracy of 79.17%, F1 score of 79.12%, AUC of 84.37% and EER of 24.35%."AArXiv2025年12月25日 14:53* 著作権法第32条に基づく適法な引用です。古い記事Determination of the HERA coherent diffractive $J/ψ$ production cross section via artificial neural network新しい記事Inference in the $p_0$ model for directed networks under local differential privacy関連分析Paper選択ポリシーを用いた協調型人型ロボット操作2026年1月3日 06:10Paper未ポーズ画像からの即時3Dシーン編集2026年1月3日 06:10Paper将来予測のためのLLMフォアキャスティング2026年1月3日 06:10原文: ArXiv