Lip and Voice Synchronization Using Visual Attention 


Vol. 13,  No. 4, pp. 166-173, Apr.  2024
https://doi.org/10.3745/TKIPS.2024.13.4.166


PDF
  Abstract

본 연구에서는 얼굴 동영상에서 입술의 움직임과 음성 간의 동기화 탐지 방법을 제안한다. 기존의 연구에서는 얼굴 탐지 기술로 얼굴 영역의 바운딩 박스를 도출하고, 박스의 하단 절반 영역을 시각 인코더의 입력으로 사용하여 입술-음성 동기화 탐지에 필요한 시각적인 특징을 추출하였다. 본 연구에서는 입술-음성 동기화 탐지 모델이 음성 정보의 발화 영역인 입술에 더 집중할 수 있도록 사전 학습된 시각적 Attention 기반의 인코더 도입을 제안한다. 이를 위해 음성 정보 없이 시각적 정보만으로 발화하는 말을 예측하는 독순술(Lip-Reading)에서 사용된 Visual Transformer Pooling(VTP) 모듈을 인코더로 채택했다. 그리고, 제안 방법이 학습 파라미터 수가 적음에도 불구하고 LRS2 데이터 세트에서 다섯 프레임 기준으로 94.5% 정확도를 보임으로써 최근 모델인 VocaList를 능가하는 것을 실험적으로 증명하였다. 또, 제안 방법은 학습에 사용되지 않은 Acappella 데이터셋에서도 VocaList 모델보다 8% 가량의 성능 향상이 있음을 확인하였다.

  Statistics
  Cite this article

[IEEE Style]

D. Yoon and H. Cho, "Lip and Voice Synchronization Using Visual Attention," The Transactions of the Korea Information Processing Society, vol. 13, no. 4, pp. 166-173, 2024. DOI: https://doi.org/10.3745/TKIPS.2024.13.4.166.

[ACM Style]

Dongryun Yoon and Hyeonjoong Cho. 2024. Lip and Voice Synchronization Using Visual Attention. The Transactions of the Korea Information Processing Society, 13, 4, (2024), 166-173. DOI: https://doi.org/10.3745/TKIPS.2024.13.4.166.

Forms

Search
(IN TITLE, AUTHOR, ABSTRACT,KEYWORDS)

Advanced Search ▼

POPULAR KEYWORDS
(TOP 10 KEYWORDS)

Recent Publications
(LAST 3 YEARS)

Old Journals

Indexing

All publications of TKIPS is indexed in DOI, EBSCO, Google Scholar, Crossref, and CrossCheck.

TKIPS is also selected as the Journal for Accreditation by NRF (National Research Foundation of Korea).

Related Journals