基于说话人相关视素分类器的非特定说话人机器唇语识别
计算机视觉与模式识别
2018-04-26 v1 音频与语音处理
摘要
机器唇语识别是指仅依靠视觉信息来识别语音，有证据表明视觉语音高度依赖于说话人 [1]。在此，我们使用音素聚类方法，为单个说话人和多个说话人分别构建了新的音素到视素映射。我们利用这些映射来考察说话人在视觉上说话的相似程度。我们得出结论，概括地说，说话人具有相同的嘴部动作库，他们的差异在于对这些动作的使用方式。
引用
@article{arxiv.1710.01122,
title = {Speaker-independent machine lip-reading with speaker-dependent viseme classifiers},
author = {Helen L. Bear and Stephen J. Cox and Richard W. Harvey},
journal= {arXiv preprint arXiv:1710.01122},
year = {2018}
}