講演抄録/キーワード |
講演名 |
2022-03-04 09:45
深層学習に顔の3次元モデルを用いた無発声単語認識に関する研究 ○和田竜二・大田健紘(日本工大) MICT2021-103 |
抄録 |
(和) |
本研究は,様々な方向を向いて発話している動画に対して無発声単語認識を実現する手法を提案し,その有効性を明らかにすることを目的とする.近年,口部の情報を取得して深層学習により機械読唇を行う研究が発展している.カメラを用いた手法の場合,カメラから顔の距離や位置,向きなどを固定することが多い.しかし,オンライン会議などで利用する場合,顔を固定することは困難である.そのため,正面を向いた発話動画から作成した顔の3次元モデルを用いて,様々な方向に顔を向けた発話動画を作成し,それを深層学習の学習データとした.性能評価実験の結果,3次元モデルを使用しない場合と比較して認識性能が向上した. |
(英) |
The aim of this study is to propose a method to realize silent word recognition removing the constraint on face orientation, and to clarify the effectiveness of the proposed method. In recent years, research on lip reading using mouth image based on deep learning has been developed. In the case of methods using a camera, the distance, position, orientation, etc. of the face from the camera are often fixed. However, it is difficult to hold the face orientation when we use the lip reading system in an online conference. Hence, we created utterance videos with the face turning in various orientations using a 3D model, and used these data as learning data for deep learning. As a result of the performance evaluation experiment, the recognition performance was improved compared to the case where the 3D model was not used. |
キーワード |
(和) |
3次元モデル / 深層学習 / 機械読唇 / / / / / |
(英) |
3Dmodel / deep learning / lipreading / / / / / |
文献情報 |
信学技報, vol. 121, no. 404, MICT2021-103, pp. 13-18, 2022年3月. |
資料番号 |
MICT2021-103 |
発行日 |
2022-02-25 (MICT) |
ISSN |
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 |
MICT2021-103 |
研究会情報 |
研究会 |
MICT EMCJ |
開催期間 |
2022-03-04 - 2022-03-04 |
開催地(和) |
オンライン開催 |
開催地(英) |
Online |
テーマ(和) |
ヘルスケア・医療情報通信技術,生体,EMC,一般 |
テーマ(英) |
Healthcare and Medical Information Communication Technologies, EMC, etc |
講演論文情報の詳細 |
申込み研究会 |
MICT |
会議コード |
2022-03-MICT-EMCJ |
本文の言語 |
日本語 |
タイトル(和) |
深層学習に顔の3次元モデルを用いた無発声単語認識に関する研究 |
サブタイトル(和) |
|
タイトル(英) |
A Study on Silent Word Recognition Based on Deep Learning Using Facial 3D Model |
サブタイトル(英) |
|
キーワード(1)(和/英) |
3次元モデル / 3Dmodel |
キーワード(2)(和/英) |
深層学習 / deep learning |
キーワード(3)(和/英) |
機械読唇 / lipreading |
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) |
和田 竜二 / Ryuji Wada / ワダ リュウジ |
第1著者 所属(和/英) |
日本工業大学 (略称: 日本工大)
Nippon Institute Of Technology (略称: NIT) |
第2著者 氏名(和/英/ヨミ) |
大田 健紘 / Kenko Ota / |
第2著者 所属(和/英) |
日本工業大学 (略称: 日本工大)
Nippon Institute Of Technology (略称: NIT) |
第3著者 氏名(和/英/ヨミ) |
/ / |
第3著者 所属(和/英) |
(略称: )
(略称: ) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
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 |
2022-03-04 09:45:00 |
発表時間 |
20分 |
申込先研究会 |
MICT |
資料番号 |
MICT2021-103 |
巻番号(vol) |
vol.121 |
号番号(no) |
no.404 |
ページ範囲 |
pp.13-18 |
ページ数 |
6 |
発行日 |
2022-02-25 (MICT) |
|