文献

J-GLOBAL ID：202202220894933789   整理番号：22A1077600

音響サンプルとテキスト補助情報に基づく音響コンテンツ検索

Audio content retrieval based on audio samples and text auxiliary information.

著者 (5件)： 竹内大起 (NTT) ,  大石康智 (NTT) ,  仁泉大輔 (NTT) ,  原田登 (NTT) ,  柏野邦夫 (NTT)
資料名： 日本音響学会研究発表会講演論文集(CD-ROM)  (日本音響学会講演論文集(CD-ROM))
巻： 2022  号： 春季  ページ： ROMBUNNO.1-1-5  発行年： 2022年02月23日 
JST資料番号： G0381C  ISSN： 1880-7658  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： ・オンライン上で利用可能な音響信号データの量は日々指数関数的に増大しており,所望のデータを効率的に検索する手法が必要。
・本研究では,音響サンプルと補助テキストからの音響信号の検索という新たなタスクを検討し,それを実現するための手法を提案。
・実験では補助テキストを利用しないベースラインとの比較を行い,提案手法が補助テキストの情報を利用した検索を実現していることを確認。
・今後は,背景音の増減のより高い精度での認識や,人手で差分のテキストが記述されたデータを収集し,それに適応する手法の検討を実施予定。

シソーラス用語： *音波信号 ,  音響 ,  試料 ,  *情報 ,  データ収集 ,  コンテンツ ,  情報検索
準シソーラス用語： コンテンツ検索 ,  サンプル ,  *音響信号 ,  背景音

分類 (2件)： 音響信号処理  (BB03050C) ,  パターン認識  (JE07000S)

引用文献 (7件)：

• K. Drossos, S. Adavanne, and T. Virtanen, “Clotho: An audio captioning dataset,” in Proc. IEEE Int. Conf. Acoust. Speech Signal Process. (ICASSP), 2019, pp. 736-740.
• A.-M. Oncescu, A.S. Koepke, J. Henriques, Z. Akata, and S. Albanie, “Audio retrieval with natural language queries,” in Proc. Interspeech, 2021
• A. Radford, J. W. Kim, C. Hallacy, A. Ramesh, G. Goh, S. Agarwal, G. Sastry, A. Askell, P. Mishkin, J. Clark, G Krueger, and I. Sutskever, “Learning transferable visual models from natural language supervision,” arXiv preprint arXiv:2103.00020, 2021.
• S. Hershey, S. Chaudhuri, D. P. W. Ellis, J. F. Gemmeke, A. Jansen, R. C. Moore, M. Plakal, D. Platt, R. A. Saurous, B. Seybold, M. Slaney, R. J. Weiss, and K Wilson, “CNN architectures for large-scale audio classification,” in Int. Conf. Acoust., Speech, Signal Process. (ICASSP), 2017.
• V. Sanh, L. Debut, J. Chaumond, and T. Wolf, “DistilBERT, a distilled version of BERT: smaller, faster, cheaper and lighter,” arXiv preprint arXiv:1910.01108. 2019.

タイトルに関連する用語 (3件)： 音響 ,  サンプル ,  コンテンツ検索