文献

J-GLOBAL ID：202002237665020667   整理番号：20A1613706

クロスモデル視覚オーディオ生成を実現する自己注意によるスペクトログラム解析【JST・京大機械翻訳】

Spectrogram Analysis Via Self-Attention for Realizing Cross-Model Visual-Audio Generation

著者 (4件)： Tan Huadong (Hefei University of Technology,School of Computer Science and Information Engineering) ,  Wu Guang (Hefei University of Technology,School of Computer Science and Information Engineering) ,  Zhao Pengcheng (Hefei University of Technology,School of Computer Science and Information Engineering) ,  Chen Yanxiang (Hefei University of Technology,School of Computer Science and Information Engineering)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICASSP  ページ： 4392-4396  発行年： 2020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： ヒト認知は,異なる認知源からのマルチモーダル情報の組み合わせによってサポートされる。2つの最も重要なモダリティは視覚とオーディオである。クロスモーダルビジュアルアウージ生成は,他のデータからのデータの取得に続く1つのモダリティからのデータの合成を可能にする。これは,2つの組合せによってのみ達成できる完全な経験をもたらした。本論文では,自己拡張機構を,初めてクロスモーダル視覚-オーディオ生成に適用した。この技法はスペクトログラムの構造特性の解析を支援する。一連の実験を行い,最良の性能形態を発見した。ポスト-実験比較は,自己注意モジュールがオーディオデータの生成と分類を大いに改善することを示した。さらに,提示した方法は,既存のクロスモーダルビジュアルオーディオ生成モデルより優れている結果を達成した。Copyright 2020 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 ,  ヒト ,  *オーディオ機器 ,  多モード ,  構造特性
準シソーラス用語： モダリティ ,  *スペクトログラム ,  生成モデル ,  音声データ , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： モデル ,  視覚 ,  オーディオ ,  自己 ,  注意 ,  スペクトログラム ,  解析