メタ学習を用いた単語読唇の検討

• Item type: SIG Technical Reports(1)
• 公開日: 2023-02-23
• タイトル: メタ学習を用いた単語読唇の検討
• タイトル / 言語: en
• タイトル: A Study of Word Lip-Reading using Meta Learning
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 九州工業大学
• 著者所属: 九州工業大学
• 著者所属(英): en
• 著者所属(英): Kyushu Institute of Technology
• 著者所属(英): en
• 著者所属(英): Kyushu Institute of Technology
• 著者名: 児玉, 道成; 齊藤, 剛史
• 著者名(英): Michinari, Kodama; Takeshi, Saitoh
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 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．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: 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.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA11131797
• 書誌情報: 研究報告コンピュータビジョンとイメージメディア（CVIM）; 巻 2023-CVIM-233, 号 24, p. 1-5, 発行日 2023-02-23
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8701
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会