[논문 리뷰] Remarks on Optimal Scores for Speaker Recognition

Dong Wang|arXiv (Cornell University)|2020. 10. 10.

Speech Recognition and Synthesis참고 문헌 29인용 수 11

한 줄 요약

이 논문은 음성 인식에서 정규화된 우도(PL) 점수를 최소 베이즈 위험(MBR) 최적의 점수 측정 방법으로 규명한다. 선형 가우시안 생성 모델 하에서 PL 점수는 수학적으로 PLDA 우도 비율과 동일하며, 코사인 및 유클리드 거리는 이 최적 점수의 근사치임을 보여주며, 음성 인식 점수 측정에 대한 이론적으로 탄탄한 프레임워크를 제공한다.

ABSTRACT

In this article, we first establish the theory of optimal scores for speaker recognition. Our analysis shows that the minimum Bayes risk (MBR) decisions for both the speaker identification and speaker verification tasks can be based on a normalized likelihood (NL). When the underlying generative model is a linear Gaussian, the NL score is mathematically equivalent to the PLDA likelihood ratio, and the empirical scores based on cosine distance and Euclidean distance can be seen as approximations of this linear Gaussian NL score under some conditions. We discuss a number of properties of the NL score and perform a simple simulation experiment to demonstrate the properties of the NL score.

연구 동기 및 목표

• 최소 베이즈 위험(MBR) 결정 이론을 사용하여 음성 인식의 이론적으로 최적의 점수 측정 방법을 유도하기 위해.
• 일관된 최적 점수 측정 프레임워크 아래에서 음성 식별(SI)과 음성 확인(SV)을 통합적으로 다루기 위해.
• 정규화된 우도(NL) 점수가 MAP 원칙 하에서 SI 및 SV 작업 모두에 대해 최적임을 보여주기 위해.
• 음성 벡터가 선형 가우시안 모델을 따를 경우 NL 점수가 PLDA 우도 비율과 수학적으로 동일함을 보여주기 위해.
• 일반적으로 사용되는 경험적 점수(코사인 및 유클리드 거리)가 최적 NL 점수의 근사치로 간주될 수 있는 이론적 근거를 분석하기 위해.

제안 방법

• MAP 원칙을 사용하여 MBR 최적의 결정 규칙을 유도함으로써, $ \frac{p_k(\mathbf{x})}{p(\mathbf{x})} $ 형태의 정규화된 우도(NL) 점수를 도출한다. 여기서 $ p_k(\mathbf{x}) $ 는 클래스 $ k $ 에서 테스트 발화의 우도이며, $ p(\mathbf{x}) $ 는 모든 클래스에 대한 주변 우도이다.
• 유한한 등록을 가진 선형 가우시안 모델 하에서 NL 점수는 수학적으로 PLDA 우도 비율과 동일하다.
• 코사인 및 유클리드 거리가 NL 점수를 근사하는 조건을 분석하며, 특히 내부 클래스 분산과 차원 수와의 관계를 고려한다.
• 알려진 및 알려지지 않은 클래스 평균을 가진 시뮬레이션 실험을 수행하여 EER 및 IDR 지표에서 NL, 코사인, 유클리드 점수의 성능을 비교한다.
• NL 점수가 가역 변환에 대해 불변임을 도입함으로써, 신경망 변환을 통해 비선형 및 비가우시안 모델로의 확장을 가능하게 한다.
• 가역 변환을 학습하여 데이터를 선형 가우시안 모델이 성립하는 공간으로 매핑함으로써, PLDA의 비선형 확장인 신경 판별 분석(NDA)을 제안한다.

실험 결과

연구 질문

• RQ1 최소 베이즈 위험(MBR) 기준 하에서 음성 인식의 이론적으로 최적의 점수 함수는 무엇인가?
• RQ2 선형 가우시안 모델 하에서 정규화된 우도(NL) 점수는 널리 사용되는 PLDA 우도 비율과 어떻게 관련이 있는가?
• RQ3 코사인 및 유클리드 거리가 최적 NL 점수의 유효한 근사치로 간주될 수 있는 조건은 무엇인가?
• RQ4 내부 클래스 분산과 차원 수가 변화하는 조건에서 NL, 코사인, 유클리드 점수의 성능 특성은 어떻게 비교되는가?
• RQ5 가역 변환을 통해 NL 프레임워크를 비가우시안 및 비선형 데이터 분포로 확장할 수 있는가?

주요 결과

• 정규화된 우도(NL) 점수가 음성 식별 및 확인 작업 모두에 대해 최소 베이즈 위험(MBR) 최적의 점수 측정 함수로 증명된다.
• 유한한 등록을 가진 선형 가우시안 생성 모델 하에서 NL 점수는 수학적으로 PLDA 우도 비율과 동일하다.
• 내부 클래스 분산이 클수록 코사인 거리가 유클리드 거리보다 NL 점수에 더 나은 근사치를 제공한다.
• 시뮬레이션 결과는 NL 점수가 EER 및 IDR 측정치에서 항상 코사인 및 유클리드 점수를 능가함을 보여주며, 특히 클래스 평균이 알려지지 않은 상황에서 두드러진다.
• NL 점수의 가역 변환에 대한 불변성 덕분에 PLDA의 비선형 확장이 가능해지며, 이는 복잡한 데이터 분포에서 강력한 성능을 보이는 신경 판별 분석(NDA) 개발로 이어진다.
• 이 연구는 깊이 있는 생성 모델(예: 판별 정규화 플로우)을 사용한 음성 벡터 정규화가 복잡한 점수 측정 방법이나 校정보다 더 효과적임을 시사하며, 이는 데이터가 NL 점수의 모델 가정과 일치하도록 보장하기 때문이다.