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
技報オンライン
‥‥ (ESS/通ソ/エレソ/ISS)
技報アーカイブ
‥‥ (エレソ/通ソ)
 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 2015-12-16 18:00
複数人対話における視線と呼吸動作に基づく次話者予測
石井 亮熊野史朗大塚和弘NTT
技報オンラインサービス実施中(通ソ/ISS/ESS/エレソのみ)
抄録 (和) 複数人対話における,高精度かつ頑健な次話者の予測モデルの構築を目指して,視線と呼吸動作の情報を有するコーパスデータを構築し,視線と呼吸動作のマルチモーダル情報を用いて次話者を予測するモデルを構築した.構築した予測モデルは,発話末から200ms後の時刻で次話者を予測するものであり,次話者予測のために2段階の予測を行う.1段階目は,現話者が発話を続けて行うか否か,すなわち話者継続/交替を予測する.2段階目は,1段階目で話者交替が起こると予測された際に,非話者の内,誰が次話者になるかを予測する.視線情報のみを用いる予測モデル,呼吸動作のみを用いる予測モデル,視線と呼吸動作の両方の情報を用いた予測モデルの3つの予測モデルの性能を評価した結果,視線と呼吸動作の両方の情報を用いた予測モデルが最も予測性能が高かった.よって,視線と呼吸動作を用いたマルチモーダル情報処理が次話者予測へ有用であることが示された. 
(英) It has long been known that gaze is a physical behavior that plays an important role in transferring the speaking turn between humans. Recently, a line of research has focused on the relationship between turn-taking and respiration, a biological signal that conveys information about the intention or preliminary action to start to speak. It has been demonstrated that respiration and gaze behavior separately have the potential to allow predicting the next speaker and the next utterance timing in multi-party meetings. Here, as a multimodal fusion to create models for predicting the next speaker in multi-party meetings, we integrated respiration and gaze behavior, which were extracted from different modalities and are completely different in quality, and implemented a model that uses information about them to predict the next speaker at the end of an utterance. We constructed prediction models with either respiration or gaze behavior and with both respiration and gaze behaviors as features and compared their performance. The results suggest that the model with both respiration and gaze behaviors performs better than the one using only respiration or gaze behavior.
キーワード (和) 呼吸動作 / 視線 / 複数人対話 / 次話者予測 / 話者交替 / / /  
(英) Respiration / Gaze / Multi-party Meetings / Next-speaker prediction / Turn-taking / / /  
文献情報 信学技報
資料番号  
発行日  
ISSN Print edition: ISSN 0913-5685  Online edition: ISSN 2432-6380

研究会情報
研究会 HCGSYMPO  
開催期間 2015-12-16 - 2015-12-18 
開催地(和) 富山国際会議場 
開催地(英) Toyama International Conference Center 
テーマ(和) HCGシンポジウム2015 ―伸縮自在のコミュニケーション― 
テーマ(英) Human communication, etc. 
講演論文情報の詳細
申込み研究会 HCGSYMPO 
会議コード 2015-12-HCGSYMPO 
本文の言語 日本語 
タイトル(和) 複数人対話における視線と呼吸動作に基づく次話者予測 
サブタイトル(和)  
タイトル(英) Predicting Next Speaker using Gaze and Respiration in Multi-Party Meetings 
サブタイトル(英)  
キーワード(1)(和/英) 呼吸動作 / Respiration  
キーワード(2)(和/英) 視線 / Gaze  
キーワード(3)(和/英) 複数人対話 / Multi-party Meetings  
キーワード(4)(和/英) 次話者予測 / Next-speaker prediction  
キーワード(5)(和/英) 話者交替 / Turn-taking  
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) 石井 亮 / Ryo Ishii / イシイ リョウ
第1著者 所属(和/英) 日本電信電話株式会社 (略称: NTT)
NTT Corporation (略称: NTT)
第2著者 氏名(和/英/ヨミ) 熊野 史朗 / Shiro Kumano / クマノ シロウ
第2著者 所属(和/英) 日本電信電話株式会社 (略称: NTT)
NTT Corporation (略称: NTT)
第3著者 氏名(和/英/ヨミ) 大塚 和弘 / Kazuhiro Otsuka / オオツカ カズヒロ
第3著者 所属(和/英) 日本電信電話株式会社 (略称: NTT)
NTT Corporation (略称: NTT)
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
発表日時 2015-12-16 18:00:00 
発表時間 25 
申込先研究会 HCGSYMPO 
資料番号  
巻番号(vol)  
号番号(no)  
ページ範囲  
ページ数  
発行日  


[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