视觉语音识别的分辨率极限
计算机视觉与模式识别
2018-04-26 v1 图像与视频处理
摘要
纯视觉语音识别依赖于许多难以控制的因素，例如：光照；身份；运动；情绪和表情。但有些因素，如视频分辨率，是可控的，因此令人惊讶的是，至今尚无关于分辨率对唇读影响的系统性研究。在此，我们使用一个新的数据集——Rosetta Raven 数据——来训练和测试识别器，以便测量视频分辨率对识别准确度的影响。我们得出结论，与通常做法相反，自动唇读所需的分辨率不必非常高。然而，当静止时下唇底部与上唇顶部之间的距离小于四个像素时，自动唇读极不可能可靠地工作。
引用
@article{arxiv.1710.01073,
title = {Resolution limits on visual speech recognition},
author = {Helen L. Bear and Richard Harvey and Barry-John Theobald and Yuxuan Lan},
journal= {arXiv preprint arXiv:1710.01073},
year = {2018}
}