🤖 machine learning
Towards Trustworthy Audio Deepfake Detection: A Systematic Framework for Diagnosing and Mitigating Gender Bias
यह शोध पत्र ऑडियो डीपफेक डिटेक्शन के लिए एक 'डायग्नोसिस-फर्स्ट' (निदान-प्रथम) ढांचे का प्रस्ताव करता है जो लिंग संबंधी पूर्वाग्रह के मूल कारणों—विशेष रूप से ध्वनिक प्रतिनिधित्व अंतर (acoustic representation differences), फीचर लीकेज और मूल्यांकन विषमता (evaluation asymmetry)—की पहचान करता है और यह प्रदर्शित करता है कि लक्षित न्यूनीकरण रणनीतियाँ, जैसे कि लिंग-विशिष्ट थ्रेशोल्ड समायोजन और एपोक-स्तरीय निष्पक्षता नियमितीकरण (epoch-level fairness regularization), डिटेक्शन सटीकता से समझौता किए बिना अनfairness को महत्वपूर्ण रूप से कम कर सकती हैं।