BriefGPT - AI 论文速递
·
观看、聆听和识别：基于字符的音频视觉字幕
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本论文研究了唇语识别，提出了两种模型并介绍了新数据集LRS2-BBC，实验结果超过以前的相关工作。
🎯
关键要点
- 本论文研究唇语识别，旨在识别说话者嘴唇所述的短语和句子。
- 提出了两种模型：使用自注意力机制的 CTC 和序列到序列模型。
- 研究唇语识别在有噪音情况下与音频识别的互补性。
- 介绍并公开发布了新数据集 LRS2-BBC，包含成千上万的自然语言数据。
- 建立的模型在实验中的表现超过了以前的相关工作。
➡️
