arXiv · cs.AI · Mahmoud S. Mayaleh, Liban Ali Achkir, Nijat Mehdiyev, Ahmet Ozdil · 9 小时前模型评分28
LipLingo：基于 LipNet 架构的唇读 CNN 模型
LipLingo: CNN Model for Lip Reading
导读
LipLingo 在 GRID 数据集上实现 95.0% 字符级准确率（CER 4.99%）和 87.2% 句子级准确率，语料级词错误率（WER，Word Error Rate）为 13.1%，优于基线 LipNet。该模型基于 LipNet 架构，加入标准化预处理流程、轮换验证策略和灵活的相似度评估，以提升对不同说话人和视觉相似音素的鲁棒性。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “To address these challenges, we propose LipLingo, a robust lip-reading system based on the LipNet architecture, enhanced with a standardized preprocessing pipeline for consistent mouth-region representation, a rotational validation strategy for improved generalization to unseen speakers, and a flexible similarity evaluation for more reliable sentence-level assessment.”
来源：arXiv · cs.AI · arxiv.org