文献

J-GLOBAL ID：201802254784787798   整理番号：18A1771954

正常,ウイスキーおよびサイレント音声の視覚のみの認識【JST・京大機械翻訳】

Visual-Only Recognition of Normal, Whispered and Silent Speech

著者 (4件)： Petridis Stavros (Dept. of Computing, Imperial College London, London, UK) ,  Shen Jie (Dept. of Computing, Imperial College London, London, UK) ,  Cetin Doruk (Dept. of Computing, Imperial College London, London, UK) ,  Pantic Maja (Dept. of Computing, Imperial College London, London, UK)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICASSP  ページ： 6219-6223  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 音響信号が利用できない場合,通信を可能にする方法として,サイレント音声インタフェースが最近提案されている。本論文では,視覚音声認識システムを構築する必要性について述べる。しかしながら,ほとんどすべての最近提案されたシステムは発声されたデータのみで訓練されている。これは,音声モードに依存して口唇運動が変化することを示唆する文献の証拠とは対照的である。本研究では,公開されており,通常の,白い,無声な音声を含む,新しいオーディオビジュアルデータベースを紹介した。著者らの知る限りでは,これは視覚モダリティのみを用いて3つの音声モード間の差を調べる最初の研究である。著者らは,訓練と試験が,それぞれ,正常と白化に関する訓練と試験のとき,最大3.7%の分類比率における絶対的減少が,それぞれ観察されることを示した。モデルがサイレント音声でテストされたとき,8.5%までのより高い減少が報告される。このことは,3つの音声モードの間には実際の視覚的差異があり,発声された訓練データが直接的に使用されることができるという一般的な仮定があることを明らかにし,サイレント音声認識システムを訓練することができないかもしれない。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *視覚 ,  音波信号
準シソーラス用語： モダリティ ,  音声インタフェイス ,  音声認識システム , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： ウイスキー ,  音声 ,  視覚