实体
Matthew Kit Khinn Teng
Matthew Kit Khinn Teng
PulseAugur coverage of Matthew Kit Khinn Teng — every cluster mentioning Matthew Kit Khinn Teng across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的VSR方法利用头部姿态提高准确性
研究人员开发了一个名为HP-VSR-ResFiLM的新框架，通过显式地整合头部姿态信息来改进视觉语音识别（VSR）。该方法使用一个姿态条件残差特征线性调制（FiLM）块，根据头部方向调整视觉特征，以应对几何失真和遮挡等挑战。在LRS2和LRS3数据集上的实验显示出具有竞争力的性能，词错误率分别为25.0%和33.2%，证明了在非约束VSR场景下鲁棒性的提高。
-
新的V-ASR系统使用音素预测和LLM提高准确性
研究人员开发了一种新的两阶段视觉自动语音识别（V-ASR）框架，旨在通过关注音素而非直接的单词预测来提高准确性。该系统首先融合视觉线索和面部地标运动特征来预测音素，然后利用一个名为NLLB的大型语言模型（LLM）进行单词重建。据报道，这种方法在LRS2数据集上实现了17.4%的词错误率，在LRS3数据集上实现了21.0%，优于以往在唇形（viseme）模糊方面存在困难的方法。