arXiv · 机器人与计算机视觉· Mahmoud S. Mayaleh, Liban Ali Achkir, Nijat Mehdiyev, Ahmet Ozdil·· 16 天前AI 评分42
LipLingo:基于 CNN 的唇读模型在 GRID 数据集上实现 95.0% 字符准确率
LipLingo: CNN Model for Lip Reading
AI 导读
LipLingo 是一种基于 LipNet 架构的稳健唇读系统,通过标准化预处理、旋转验证及灵活相似度评估解决说话人变化与发音相似挑战。该模型结合三维卷积层与双向循环层,在 GRID 数据集上达到 95.0% 字符级准确率(CER 4.99%)和 87.2% 句级准确率,优于基线 LipNet。此预印本工作为未来真实场景部署提供了增强鲁棒性的策略洞察。
来源:arXiv · 机器人与计算机视觉 · arxiv.org