关于计算机唇读的若干观察：从梦想走向现实
计算机视觉与模式识别
2018-04-26 v1 图像与视频处理
摘要
在追求更高计算机唇读性能的过程中，存在一些隐含的假设，它们要么存在于数据集中（例如高分辨率），要么存在于方法中（例如对被称为 viseme 的语音视觉单元的识别）。在此我们回顾了这些及其他假设，并展示了一个令人惊讶的结果：计算机唇读并不受到视频分辨率、姿态、光照和其他实际因素的严重制约。然而，作为音素视觉对应物的 viseme 是最佳识别单元这一工作假设确实需要进一步检验。我们得出结论，定义于一个多世纪前的 viseme 不太可能是现代计算机唇读系统的最优选择。
引用
@article{arxiv.1710.01084,
title = {Some observations on computer lip-reading: moving from the dream to the reality},
author = {Helen L. Bear and Gari Owen and Richard Harvey and Barry-John Theobald},
journal= {arXiv preprint arXiv:1710.01084},
year = {2018}
}