抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
マルチモーダル学習は,補完的情報を利用するために,同じ物理現象の観察様式を通して情報を関連づける。ほとんどのマルチモーダル機械学習法は,訓練に使用されるすべてのモダリティが試験にも利用可能であることを必要とする。これは,いくつかのモダリティからの信号が利用できないか,または雑音によってひどく劣化するとき,限界である。この限界に取り組むために,訓練中の多重モダリティを用いて単峰システムの試験性能を改善することを目指した。提案したマルチモーダル訓練フレームワークは,より弱いモダリティの表現を改善するために,クロスモーダル変換と相関ベース潜在空間アラインメントを使用する。より弱い様式からより強い様式への翻訳は,両モダリティを代表するマルチモーダル中間符号化を生成する。この符号化は,共有潜在空間におけるより強いモダリティ表現と相関がある。連続感情認識のためのAVEC2016データセット上で提案した方法を検証し,より弱いモダリティに対する最先端(ユニモーダル)性能を達成する手法の有効性を示した。【JST・京大機械翻訳】