モーションキャプチャシステムを用いたマルチモーダル音声コーパスの構築(セッション2)(<特集>インタラクション・メディア)

スポンサーリンク

概要

論文の詳細を見る
本稿では音声、顔画像および発話時における顔器官の位置とその変化量を含むマルチモーダル音声コーパスの制作方法、およびデータの処理方法について述べる。発話用テキストはATR日本語バランス文とし、女性話者1名の発話をコーパスとした。変化量の計測には光学式モーションキャプチャシステムを使用し、発話者の顔上に多数のマーカを配置することで、顔画像情報のみでは獲得することができない顔位置の詳細かつ高精度の3次元データを収録した。さらに本稿では純粋な顔器官の動きを算出するため、アフィン変換を用い頭部の動きを除去し顔位置のみの情報を獲得する手法を提案する。またコンピュータ上に計測した変化量を発話アニメーションヘ容易に再現させるため、顔器官の動きをメッシュで構成された顔オブジェクトヘ割り当てる手法について述べる。
一般社団法人情報処理学会の論文
2004-09-10

著者

関連論文

もっと見る

スポンサーリンク