MKPLS 中用于视觉语音识别的流形核比较
计算机视觉与模式识别
2016-01-25 v1
摘要
语音识别是一个具有挑战性的问题。由于声学限制，在现实无约束环境中使用视觉信息对于提高识别准确率至关重要。一种常见方法是将视觉识别建模为非线性优化问题。测量视觉单元之间的距离对于解决该问题至关重要。将视觉单元嵌入流形并使用流形核是测量这些距离的一种方法。本工作旨在评估多种流形核在解决视觉语音识别问题中的性能。我们展示了每种核的理论基础。我们将流形核偏最小二乘框架应用于 OuluVs 和 AvLetters 数据库，并展示了所有核之间的经验比较。该框架为探索不同核提供了便捷途径。
引用
@article{arxiv.1601.05861,
title = {Manifold-Kernels Comparison in MKPLS for Visual Speech Recognition},
author = {Amr Bakry and Ahmed Elgammal},
journal= {arXiv preprint arXiv:1601.05861},
year = {2016}
}