| 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 | 2026-01-24 15:00 日本語対応機械読唇のためのデータセット構築 ○小川准祐・大石慶一朗・中川博之（岡山大）  KBSE2025-49 |
|
| 抄録 | （和） | 機械読唇は，機械学習や画像処理を用いて口唇などの動きの映像から発話内容を推測する技術である．この技術は，聴覚・発話障がい者のコミュニケーション支援や騒音環境下での音声認識への活用が期待されている．しかし，英語圏では大規模なデータセットが整備され研究が進展している一方，国内，つまり日本語においては依然として大規模かつ多様なデータセットの不足が課題となっている．本研究では，Web動画からラベル付きデータセットを構築するための自動化パイプラインを実装し，実際にパイプラインを用いて実環境下（in-the-wild）の日本語読唇データセットを構築した．構築されたデータセットが，機械読唇の学習データとして適切な品質を保っているかを評価し，有効な学習データであることを確認した． |
| （英） | Visual Speech Recognition (VSR) is a technology that infers spoken content from visual footage of lip movements using machine learning and image processing. This technology holds promise for supporting communication for individuals with hearing or speech impairments and for enhancing speech recognition in noisy environments. However, while research in English-speaking regions has advanced with the availability of large-scale datasets, the scarcity of large-scale and diverse datasets remains a significant challenge for the Japanese language. In this study, we implemented an automated pipeline to construct labeled datasets from web videos and created an in-the-wild Japanese lip-reading dataset. We evaluated the quality of the constructed dataset to determine its suitability for VSR training and verified its effectiveness as a valid training resource. | |
| キーワード | （和） | 機械読唇 / データセット / 日本語対応 / 自動化パイプライン / / / / |
| （英） | Visual Speech Recognition / Dataset / Japanese / Automated Pipeline / / / / | |
| 文献情報 | 信学技報, vol. 125, no. 330, KBSE2025-49, pp. 66-71, 2026年1月. | |
| 資料番号 | KBSE2025-49 | |
| 発行日 | 2026-01-16 (KBSE) | |
| 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 | KBSE2025-49 |
|
| 研究会情報 | |
| 研究会 | KBSE |
| 開催期間 | 2026-01-23 - 2026-01-24 |
| 開催地（和） | 岡山コンベンションセンター |
| 開催地（英） | |
| テーマ（和） | 一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | KBSE |
| 会議コード | 2026-01-KBSE |
| 本文の言語 | 日本語 |
| タイトル（和） | 日本語対応機械読唇のためのデータセット構築 |
| サブタイトル（和） | |
| タイトル（英） | Development of a Dataset for Japanese Lip-reading |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 機械読唇 / Visual Speech Recognition |
| キーワード(2)（和/英） | データセット / Dataset |
| キーワード(3)（和/英） | 日本語対応 / Japanese |
| キーワード(4)（和/英） | 自動化パイプライン / Automated Pipeline |
| 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） | 小川 准祐 / Shunsuke Ogawa / オガワ シュンスケ |
| 第1著者 所属（和/英） | 岡山大学 (略称： 岡山大) Okayama University (略称： Okayama Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 大石 慶一朗 / Keiichiro Oishi / オオイシ ケイイチロウ |
| 第2著者 所属（和/英） | 岡山大学 (略称： 岡山大) Okayama University (略称： Okayama Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 中川 博之 / Hiroyuki Nakagawa / ナカガワ ヒロユキ |
| 第3著者 所属（和/英） | 岡山大学 (略称： 岡山大) Okayama University (略称： Okayama Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-01-24 15:00:00 |
| 発表時間 | 30分 |
| 申込先研究会 | KBSE |
| 資料番号 | KBSE2025-49 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.330 |
| ページ範囲 | pp.66-71 |
| ページ数 | 6 |
| 発行日 | 2026-01-16 (KBSE) |
[研究会発表申込システムのトップページに戻る]