文献

J-GLOBAL ID：201502201280795181   整理番号：15A0863847

ポスター会話における音響・視線情報を統合した話者区間及び相槌の検出

著者 (6件)： 井上昂治 (京大 大学院情報学研究科) ,  若林佑幸 (立命館大 大学院情報理工学研究科) ,  吉本廣雅 (京大 学術情報メディアセ) ,  高梨克也 (京大 学術情報メディアセ) ,  河原達也 (京大 大学院情報学研究科) ,  河原達也 (京大 学術情報メディアセ)
資料名： 情報処理学会研究報告(Web)  (IPSJ Technical Report (Web))
巻： 2015  号： SLP-105  ページ： VOL.2015-SLP-105,NO.9 (WEB ONLY)  発行年： 2015年02月20日 
JST資料番号： U0451A  資料種別： 会議録 (C)
記事区分： 短報  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 学会やオープンラボなどでなされるポスターセッションにおける会話を対象として,各会話参与者がいつ発話したかという情報(話者区間)とそのうちの相槌を検出する手法を述べる。実際のポスター会話では,自然な話し言葉や周囲の騒音などにより検出精度が低下する。著者らは話者区間検出において,従来法で用いられてきた音響情報に対して,会話における発話権取得で重要な役割を担う視線情報を統合するマルチモーダルな手法を提案している。本稿では,視線特徴量と確率的統合モデルについて検討・改善を行った。また,検出した聴衆の発話区間が相槌であるかを,話者区間検出と同様のマルチモーダルな手法で判定し,相槌を発話区間から除去することで質問やコメントなどの発話のみを抽出する。実験結果から,音響情報と視線情報を統合することで雑音環境下での検出精度の向上が確認された。(著者抄録)

シソーラス用語： *話者認識 ,  *間隔 ,  *会話 ,  視線 ,  音響 ,  多モード ,  特徴量
準シソーラス用語： *話者区間 ,  話者識別 ,  *ポスター会話 ,  マルチモーダル

分類 (2件)： 自然語処理  (JE06000L) ,  パターン認識  (JE07000S)

引用文献 (24件)：

• Carletta, J. et al.: The AMI meeting corpus: A preannouncement, Machine learning for multimodal interaction, Springer, pp. 28-39 (2006).
• Chen, L. et al.: VACE multimodal meeting corpus, Machine Learning for Multimodal Interaction, Springer, pp. 40-51 (2006).
• Campbell, N. et al.: A Multimedia Database of Meetings and Informal Interactions for Tracking Participant Involvement and Discourse Flow, Proc. LREC (2006).
• Otsuka, K.: Conversation Scene Analysis, Signal Processing Magazine, IEEE, Vol. 28, No. 4, pp. 127-131 (2011).
• 角康之,西田豊明,坊農真弓,來嶋宏幸:IMADE:会話の構造理解とコンテンツ化のための実世界インタラクション研究基盤,情報処理,Vol.49,No.8,pp.945-949(2008).

タイトルに関連する用語 (7件)： ポスター ,  会話 ,  音響 ,  視線 ,  統合 ,  話者 ,  相槌