お知らせ 研究会の開催と会場に参加される皆様へのお願い(2020年10月開催~)
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 2010-01-22 14:50
マルチモーダル音声区間検出を用いたマルチモーダル音声認識の検討
田村哲嗣石川雅人羽柴隆志竹内伸一速水 悟岐阜大CQ2009-105 PRMU2009-204 SP2009-145 MVE2009-127
抄録 (和) 音声と口唇動画像を用いるマルチモーダル音声認識は,雑音下で頑健に音声認識できる手法のひとつとして注目されている.他方,雑音下音声認識においては,音声区間の同定を行う音声区間検出(Voice Activity Detection,VAD)が有効である.我々はこれまでに,音響雑音の影響を受けない画像情報を併用したマルチモーダルVAD を提案している.本研究では,マルチモーダルVAD とマルチモーダル音声認識を組み合わせた音声認識手法を提案する.マルチモーダルVAD では,音声と非音声の識別に隠れマルコフモデル(Hidden Markov Model)を用いるモデルベース法と閾値を用いる非モデルベース法を,また音声情報と画像情報の統合方法として初期統合および結果統合を比較検討した.音響雑音を加えた音声・画像データを用いて音声認識実験を行ったところ,非モデルベース初期統合法がもっとも高い性能を示し,従来の音声認識手法よりも性能が改善した. 
(英) Audio-Visual Automatic Speech Recognition (AVASR) has been developed to enhance the robustness in noisy environments, using visual information in addition to acoustic features. Similarly, Audio-Visual Voice Activity Detection (AVVAD) has been investigated and used to increase the precision of VAD, since detecting presence of speech in noisy audio signals contributes ASR performance. In this paper, we propose a novel speech recognition method combining AVASR and AVVAD: combinations of model-based and model-free, and feature-fusion-based or decision-fusion-based methods. To evaluate the proposed schemes, recognition experiments were conducted using noisy audio-visual data. Then it is found that the proposed method using the model-free feature-fusion AVVAD method outperforms not only audio-only ASR but also conventional AVASR.
キーワード (和) マルチモーダル / 音声認識 / 音声区間検出 / 初期統合 / 結果統合 / / /  
(英) multimodal / speech recognition / voice activity detection / feature fusion / decision fusion / / /  
文献情報 信学技報, vol. 109, no. 375, SP2009-145, pp. 345-350, 2010年1月.
資料番号 SP2009-145 
発行日 2010-01-14 (CQ, PRMU, SP, MVE) 
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 CQ2009-105 PRMU2009-204 SP2009-145 MVE2009-127

研究会情報
研究会 PRMU SP MVE CQ  
開催期間 2010-01-21 - 2010-01-22 
開催地(和) 京大 
開催地(英) Kyoto Univ. 
テーマ(和) クロスモーダル 
テーマ(英)  
講演論文情報の詳細
申込み研究会 SP 
会議コード 2010-01-PRMU-SP-MVE-CQ 
本文の言語 日本語 
タイトル(和) マルチモーダル音声区間検出を用いたマルチモーダル音声認識の検討 
サブタイトル(和)  
タイトル(英) Multimodal speech recognition using multimodal voice activity detection 
サブタイトル(英)  
キーワード(1)(和/英) マルチモーダル / multimodal  
キーワード(2)(和/英) 音声認識 / speech recognition  
キーワード(3)(和/英) 音声区間検出 / voice activity detection  
キーワード(4)(和/英) 初期統合 / feature fusion  
キーワード(5)(和/英) 結果統合 / decision fusion  
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) 田村 哲嗣 / Satoshi Tamura / タムラ サトシ
第1著者 所属(和/英) 岐阜大学 (略称: 岐阜大)
Gifu University (略称: Gifu Univ.)
第2著者 氏名(和/英/ヨミ) 石川 雅人 / Masato Ishikawa / イシカワ マサト
第2著者 所属(和/英) 岐阜大学 (略称: 岐阜大)
Gifu University (略称: Gifu Univ.)
第3著者 氏名(和/英/ヨミ) 羽柴 隆志 / Takashi Hashiba / ハシバ タカシ
第3著者 所属(和/英) 岐阜大学 (略称: 岐阜大)
Gifu University (略称: Gifu Univ.)
第4著者 氏名(和/英/ヨミ) 竹内 伸一 / Shin'ichi Takeuchi / タケウチ シンイチ
第4著者 所属(和/英) 岐阜大学 (略称: 岐阜大)
Gifu University (略称: Gifu Univ.)
第5著者 氏名(和/英/ヨミ) 速水 悟 / Satoru Hayamizu / ハヤミズ サトル
第5著者 所属(和/英) 岐阜大学 (略称: 岐阜大)
Gifu University (略称: Gifu Univ.)
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
発表日時 2010-01-22 14:50:00 
発表時間 30 
申込先研究会 SP 
資料番号 IEICE-CQ2009-105,IEICE-PRMU2009-204,IEICE-SP2009-145,IEICE-MVE2009-127 
巻番号(vol) IEICE-109 
号番号(no) no.373(CQ), no.374(PRMU), no.375(SP), no.376(MVE) 
ページ範囲 pp.345-350 
ページ数 IEICE-6 
発行日 IEICE-CQ-2010-01-14,IEICE-PRMU-2010-01-14,IEICE-SP-2010-01-14,IEICE-MVE-2010-01-14 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会