講演抄録/キーワード |
講演名 |
2012-12-21 15:25
Sparse Codingを用いた唇情報からの音声変換 ○相原 龍・高島遼一・滝口哲也・有木康雄(神戸大) SP2012-95 |
抄録 |
(和) |
唇の動きから発話内容を読み取る技術はリップリーディング(読唇)と呼ばれ,聴覚・言語障害者のコミュニケーション手段の一つとして用いられている.本研究では,Sparse Coding を用いて,唇動画像から対応する発話音声へテキスト情報なしで変換を行う.事前に音声を含んだ発話映像から唇情報と音声情報を抽出し,それぞれを基底の集合である辞書として学習する.このとき,二つの辞書行列は同一時系列であり,パラレルなデータである.入力された無音声の映像から抽出された唇情報は,Sparse Coding により少数の基底の線形和で表される.唇辞書行列から選ばれた基底を対応する音声辞書の基底と取り換えることで,音声の基底の線形和として音声が出力される.本稿では,唇情報から識別可能と考えられる母音について変換を行った. |
(英) |
A technology to recognize speech content from lip motion is called visual speech recognition (VSR). VSRis an important communication method for people who have a handicap with hearing or speaking. In this paper, we
propose a sparse-coding-based voice conversion method using lip motion without text information. Lip information and voices are extracted from videos, where they are used to construct lip dictionary and voice dictionary. Input lip information is represented by a linear combination of a small number of bases in the lip dictionary. The bases are replaced to coordinate bases in the voice dictionary, and they are recomposed to voice information. In this paper, we conducted vowel conversion because vowels are able to recognize from lip information. |
キーワード |
(和) |
Sparse Coding / 音声変換 / リップリーディング / 唇情報 / 音声変換 / 障害者支援 / / |
(英) |
Sparse Coding / Voice Conversion / Lipreading / Lip information / / / / |
文献情報 |
信学技報, vol. 112, no. 369, SP2012-95, pp. 119-124, 2012年12月. |
資料番号 |
SP2012-95 |
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 |
SP2012-95 |
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) |
Sparse Codingを用いた唇情報からの音声変換 |
サブタイトル(和) |
|
タイトル(英) |
Sparse Coding-Based Voice Conversion from Lip Information |
サブタイトル(英) |
|
キーワード(1)(和/英) |
Sparse Coding / Sparse Coding |
キーワード(2)(和/英) |
音声変換 / Voice Conversion |
キーワード(3)(和/英) |
リップリーディング / Lipreading |
キーワード(4)(和/英) |
唇情報 / Lip information |
キーワード(5)(和/英) |
音声変換 / |
キーワード(6)(和/英) |
障害者支援 / |
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) |
相原 龍 / Ryo Aihara / アイハラ リョウ |
第1著者 所属(和/英) |
神戸大学 (略称: 神戸大)
Kobe University (略称: Kobe Univ.) |
第2著者 氏名(和/英/ヨミ) |
高島 遼一 / Ryoichi Takashima / タカシマ リョウイチ |
第2著者 所属(和/英) |
神戸大学 (略称: 神戸大)
Kobe University (略称: Kobe Univ.) |
第3著者 氏名(和/英/ヨミ) |
滝口 哲也 / Tetsuya Takiguchi / タキグチ テツヤ |
第3著者 所属(和/英) |
神戸大学 (略称: 神戸大)
Kobe University (略称: Kobe Univ.) |
第4著者 氏名(和/英/ヨミ) |
有木 康雄 / Yasuo Ariki / アリキ ヤスオ |
第4著者 所属(和/英) |
神戸大学 (略称: 神戸大)
Kobe University (略称: Kobe Univ.) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2012-12-21 15:25:00 |
発表時間 |
90分 |
申込先研究会 |
SP |
資料番号 |
SP2012-95 |
巻番号(vol) |
vol.112 |
号番号(no) |
no.369 |
ページ範囲 |
pp.119-124 |
ページ数 |
6 |
発行日 |
2012-12-13 (SP) |