Publication

Multi-modal speaker diarization of real-world meetings using compressed-domain video features

2009
Conference Papers

Résumé

Speaker diarization is originally defined as the task of de- termining “who spoke when” given an audio track and no other prior knowledge of any kind. The following article shows a multi-modal approach where we improve a state- of-the-art speaker diarization system by combining standard acoustic features (MFCCs) with compressed domain video features. The approach is evaluated on over 4.5 hours of the publicly available AMI meetings dataset which contains challenges such as people standing up and walking out of the room. We show a consistent improvement of about 34 % rela- tive in speaker error rate (21 % DER) compared to a state-of- the-art audio-only baseline.

Source officielle

https://infoscience.epfl.ch/entities/publication/55fa3fe8-86a1-4b80-9316-b81ffec862a1

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

2009
Conference Papers

Résumé

Source officielle

https://infoscience.epfl.ch/entities/publication/55fa3fe8-86a1-4b80-9316-b81ffec862a1

À propos de ce résultat

Concepts associés (16)

Audio signal

An audio signal is a representation of sound, typically using either a changing level of electrical voltage for analog signals, or a series of binary numbers for digital signals. Audio signals have frequencies in the audio frequency range of roughly 20 to 20,000 Hz, which corresponds to the lower and upper limits of human hearing. Audio signals may be synthesized directly, or may originate at a transducer such as a microphone, musical instrument pickup, phonograph cartridge, or tape head.

Compression de données

La compression de données ou codage de source est l'opération informatique consistant à transformer une suite de bits A en une suite de bits B plus courte pouvant restituer les mêmes informations, ou des informations voisines, en utilisant un algorithme de décompression. C'est une opération de codage qui raccourcit la taille (de transmission, de stockage) des données au prix d'un travail de compression. Celle-ci est l'opération inverse de la décompression.

Station audionumérique

vignette|Station audionumérique Une station audionumérique (acronyme DAW, de l'anglais Digital Audio Workstation) désigne une station de travail basée sur des composants optimisés pour le pilotage, l'acquisition et le traitement numérique du son. Les stations audionumériques sont conçues pour enregistrer, éditer, manipuler, créer et lire des contenus MIDI et audionumériques. Le concept a évolué avec l'importance prise par l'informatique distribuée au travers de protocoles standards de l'internet.

Afficher plus