Spatio-Temporal Fusion based Convolutional Sequence Learning for Lip Reading論文閱讀
Abstract 目前最先進的脣讀方法是基於自然機器翻譯和音頻語音識別的seq2seq架構。但是這種方案沒有充分利用脣動的特徵，有兩種缺陷：首先是短期的時間依賴關係是嘴脣圖像到發音嘴型映射的關鍵但是沒有接收足夠的注意力；二是在現有的序列模型中由於使用了全局池化導致局部空間信息的丟失。 本文提出了一個時間聚焦塊來充分描述短期依賴關係，同時提出一個時空融合模塊來保持局部空間信息並降低特徵維度。實驗結果
相關文章
- 1. 論文閱讀：《 Lip Reading Sentences in the Wild》
- 2. 論文閱讀筆記（四十）：Learning Spatiotemporal Features with 3D Convolutional Networks（C3D）
- 3. Paper Reading - Convolutional Sequence to Sequence Learning ( CoRR 2017 ) ★
- 4. 【論文閱讀】Convolutional Sequence to Sequence Learning （未完待續）
- 5. 【論文閱讀筆記】Learning Spatiotemporal Features with 3D Convolutional Networks
- 6. Machine Learning & Deep Learning 論文閱讀筆記
- 7. Convolutional Sequence to Sequence Learning 論文筆記
- 8. 論文閱讀筆記《leaning spatiotemporal features with 3D convolutional network》
- 9. 論文閱讀《Spatiotemporal Multiplier Networks for Video Action Recognition》
- 10. 論文閱讀——FPGA based Accelerators ofDeep Learning Networks for Learning andClassification:A Review
- 更多相關文章...
- • RSS 閱讀器 - RSS 教程
- • PHP 實例 - AJAX RSS 閱讀器 - PHP教程
- • JDK13 GA發佈：5大特性解讀
- • Scala 中文亂碼解決
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
最新文章
- 1. python的安裝和Hello，World編寫
- 2. 重磅解讀：K8s Cluster Autoscaler模塊及對應華爲雲插件Deep Dive
- 3. 鴻蒙學習筆記2（永不斷更）
- 4. static關鍵字 和構造代碼塊
- 5. JVM筆記
- 6. 無法啓動 C/C++ 語言服務器。IntelliSense 功能將被禁用。錯誤: Missing binary at c:\Users\MSI-NB\.vscode\extensions\ms-vsc
- 7. 【Hive】Hive返回碼狀態含義
- 8. Java樹形結構遞歸（以時間換空間）和非遞歸（以空間換時間）
- 9. 數據預處理---缺失值
- 10. 都要2021年了，現代C++有什麼值得我們學習的？
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. 論文閱讀：《 Lip Reading Sentences in the Wild》
- 2. 論文閱讀筆記（四十）：Learning Spatiotemporal Features with 3D Convolutional Networks（C3D）
- 3. Paper Reading - Convolutional Sequence to Sequence Learning ( CoRR 2017 ) ★
- 4. 【論文閱讀】Convolutional Sequence to Sequence Learning （未完待續）
- 5. 【論文閱讀筆記】Learning Spatiotemporal Features with 3D Convolutional Networks
- 6. Machine Learning & Deep Learning 論文閱讀筆記
- 7. Convolutional Sequence to Sequence Learning 論文筆記
- 8. 論文閱讀筆記《leaning spatiotemporal features with 3D convolutional network》
- 9. 論文閱讀《Spatiotemporal Multiplier Networks for Video Action Recognition》
- 10. 論文閱讀——FPGA based Accelerators ofDeep Learning Networks for Learning andClassification:A Review