文献

J-GLOBAL ID：201002273679221930   整理番号：10A0092873

拡散マップを用いたオーディオビジュアルグループ認識

Audio-Visual Group Recognition Using Diffusion Maps

著者 (4件)： KELLER Yosi (Bar Ilan Univ., ISR) ,  COIFMAN Ronald R. (Yale Univ., CT, USA) ,  LAFON Stephane (Google Inc., CA, USA) ,  ZUCKER Steven W. (Yale Univ., CT, USA)
資料名： IEEE Transactions on Signal Processing  (IEEE Transactions on Signal Processing)
巻： 58  号： 1  ページ： 403-413  発行年： 2010年01月 
JST資料番号： C0228A  ISSN： 1053-587X  CODEN： ITPRED  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： データフュージョン法は,医療を始め広い分野で期待される技術であるが,データソースがオーディオとビデオのように物理的に異なる場合は,データを元の形式で組み合わせることはできない。本稿では,スペクトル拡散フレームワークに基づく統合的埋込法を提案し,この問題に対処した。この方法ではデータ列の潜在的構造を抽出するために,各データに個別に入力チャネルを埋込み,その結果得られた構造を拡散座標にて組み合わせた。同じ現象に対するデータであってもサンプリング密度が異なるので,これを統合するために密度不変Laplace-Beltrami埋込法を用いている。この方法は完全にデータ駆動の方法であり,データソースの事前知識を必要としない。この方法をオーディオビジュアル音声認識に適用し,ビジュアルのみの場合およびオーディオのみの場合と比較し,認識性能が向上することを実験的に確認した。

シソーラス用語： *音声認識 ,  *データ融合 ,  スペクトル拡散 ,  データフロー制御 ,  知識 ,  音声信号 ,  マルチメディア ,  センサ ,  センサフュージョン
準シソーラス用語： オーディオビジュアル ,  オーディオ信号 ,  データ駆動 ,  マルチセンサ ,  事前知識

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 拡散マップ ,  オーディオビジュアル ,  グループ