| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2012-12-20 16:25 高精度なマルチモーダル音声認識の実現に向けた取り組み ○田村哲嗣・沈 鵬・奥田博也・鵜飼直弥・河崎卓也・世古拓海・速水 悟（岐阜大）  SP2012-88 |
|
| 抄録 | （和） | 本稿では，音声と口唇動画像を用いるマルチモーダル音声認識に関して，高精度・リアルタイムに駆動する手法の実現に向けた取り組みについて述べる．はじめに，画像特徴量抽出やマルチモーダル音声区間検出など，基本要素の技術的概要と現状について解説し，その技術課題を議論する．あわせて，これまでの我々の取り組みについて述べる．これらを基に，高い認識精度をもつリアルタイム・マルチモーダル音声認識のための高速化手法の検討を行い，実際にマルチモーダル音声認識システムを作成した．そこで構築したシステムについて技術的詳細を報告し，続いて考察および今後の展開について論述する． |
| （英） | Regarding Multi-Modal Automatic Speech Recognition (MMASR) which uses acoustic and lip/mouth information, this paper describes recent efforts for high-performance real-time MMASR. At first, technical overviews as well as past works for fundamental technologies in MMASR, e.g. visual feature extraction and multi-modal voice activity detection, are introduced in order to discuss their technical issues. Our related works are also summarized. According to the discussion, we investigate speed-up methods for high-performance real-time MMASR, and build an MMASR system using the methods. Details of our system are then reported, and discussion as well as future works are finally described. | |
| キーワード | （和） | マルチモーダル音声認識 / リアルタイム / マルチモーダル音声区間検出 / / / / / |
| （英） | Multi-modal speech recognition / real-time / multi-modal voice activity detection / / / / / | |
| 文献情報 | 信学技報, vol. 112, no. 369, SP2012-88, pp. 41-46, 2012年12月. | |
| 資料番号 | SP2012-88 | |
| 発行日 | 2012-12-13 (SP) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | SP2012-88 |
|
| 研究会情報 | |
| 研究会 | SP IPSJ-SLP |
| 開催期間 | 2012-12-20 - 2012-12-21 |
| 開催地（和） | 東工大(大岡山 西9号館) |
| 開催地（英） | TITECH(Ookayama) |
| テーマ（和） | 第14回音声言語シンポジウム |
| テーマ（英） | 14th Symposium on Spoken Language |
| 講演論文情報の詳細 | |
| 申込み研究会 | SP |
| 会議コード | 2012-12-SP-SLP |
| 本文の言語 | 日本語 |
| タイトル（和） | 高精度なマルチモーダル音声認識の実現に向けた取り組み |
| サブタイトル（和） | |
| タイトル（英） | Recent efforts for high-performance multi-modal speech recognition |
| サブタイトル（英） | |
| キーワード(1)（和/英） | マルチモーダル音声認識 / Multi-modal speech recognition |
| キーワード(2)（和/英） | リアルタイム / real-time |
| キーワード(3)（和/英） | マルチモーダル音声区間検出 / multi-modal voice activity detection |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 田村 哲嗣 / Satoshi Tamura / タムラ サトシ |
| 第1著者 所属（和/英） | 岐阜大学 (略称： 岐阜大) Gifu University (略称： Gifu Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 沈 鵬 / Peng Shen / シン ホウ |
| 第2著者 所属（和/英） | 岐阜大学 (略称： 岐阜大) Gifu University (略称： Gifu Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 奥田 博也 / Hiroya Okuda / オクダ ヒロヤ |
| 第3著者 所属（和/英） | 岐阜大学 (略称： 岐阜大) Gifu University (略称： Gifu Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 鵜飼 直弥 / Naoya Ukai / ウカイ ナオヤ |
| 第4著者 所属（和/英） | 岐阜大学 (略称： 岐阜大) Gifu University (略称： Gifu Univ.) |
| 第5著者 氏名（和/英/ヨミ） | 河崎 卓也 / Takuya Kawasaki / カワサキ タクヤ |
| 第5著者 所属（和/英） | 岐阜大学 (略称： 岐阜大) Gifu University (略称： Gifu Univ.) |
| 第6著者 氏名（和/英/ヨミ） | 世古 拓海 / Takumi Seko / セコ タクミ |
| 第6著者 所属（和/英） | 岐阜大学 (略称： 岐阜大) Gifu University (略称： Gifu Univ.) |
| 第7著者 氏名（和/英/ヨミ） | 速水 悟 / Satoru Hayamizu / ハヤミズ サトル |
| 第7著者 所属（和/英） | 岐阜大学 (略称： 岐阜大) Gifu University (略称： Gifu Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2012-12-20 16:25:00 |
| 発表時間 | 25分 |
| 申込先研究会 | SP |
| 資料番号 | SP2012-88 |
| 巻番号（vol） | vol.112 |
| 号番号（no） | no.369 |
| ページ範囲 | pp.41-46 |
| ページ数 | 6 |
| 発行日 | 2012-12-13 (SP) |
[研究会発表申込システムのトップページに戻る]