2026-06-13T18:59:30Z https://ipsj.ixsq.nii.ac.jp/oai

oai:ipsj.ixsq.nii.ac.jp:00224590 2025-01-19T13:05:27Z 1164:4619:11188:11204

メタ学習を用いた単語読唇の検討 A Study of Word Lip-Reading using Meta Learning 児玉, 道成 齊藤, 剛史 Michinari, Kodama Takeshi, Saitoh 視覚情報のみを用いて発話内容を推定する読唇技術は，教師あり学習の一種であり，大規模なデータセットが望まれている．しかし，発話シーンの収集はコストがかかる問題がある．そこで本論文では，収集コストを抑えるために，少数データで学習するアプローチの中で，メタ学習を用いる手法を検討する．読唇用公開データセット LRW および SSSD，比較用として行動認識公開データセット UCF101 の三つのデータセットを用いて，ProtoNet や DeepBDC など幾つかのメタ学習手法を用いて認識実験を実施した．その結果，UCF101 に比べると LRW とSSSD では低い認識精度であった．本稿では実施した実験結果を報告する． Lip-reading technology, which estimates utterance content using only visual information, is a kind of supervised learning, and a large-scale data set is desired. However, collecting utterance scenes is costly. Therefore, in this paper, in order to reduce the collection cost, we consider a method that uses meta learning in the approach of learning with a small number of data. Recognition experiments were conducted using several meta learning methods such as ProtoNet and DeepBDC using three datasets: public datasets LRW and SSSD for lip-reading, and public action recognition dataset UCF101 for comparison. As a result, compared to UCF101, LRW and SSSD had lower recognition accuracy. In this paper, we report the experimental results. technical report 情報処理学会 2023-02-23 application/pdf 研究報告コンピュータビジョンとイメージメディア（CVIM） 24 2023-CVIM-233 1 5 2188-8701 AA11131797 https://ipsj.ixsq.nii.ac.jp/record/224590/files/IPSJ-CVIM23233024.pdf jpn