研究活動情報

• 2015年01月 21st Japan-Korea joint Workshop on Frontiers of Computer Vision, 優秀論文賞（Excellence Paper Award）, "Estimation of Object Functions Using Deformable Part Model"

  Yosuke Kitano, Tetsuya Takiguchi, Yasuo Ariki


• 2009年08月 International Conference on Multimedia, Information Technology and its Applications, Distinguished Paper Award, "Generic Object Recognition using CRF by Incorporating BoF as Global Features"

  OKUMURA Takeshi, TAKIGUCHI Tetsuya, ARIKI Yasuo


• 2008年06月 IEEE ICME, ベストペーパー賞, "GRAPH CUTS BY USING LOCAL TEXTURE FEATURES OF WAVELET COEFFICIENT FOR IMAGE SEGMENTATION"

  Fukuda Keita, Takiguchi Tetsuya, Ariki Yasuo

• 戦略的思考の連鎖により気づきを促し悩みの解決を支援する対話システム

  伊藤 瞭介, 滝口 哲也, 平田 充宏, 森 祐美子, 堀田 聰子, 有木 康雄

  悩み相談において、傾聴者が行う「気づきを促す質問」は、相談者にとって非常に重要な役割を果たす。こうした質問によって、相談者は自らの内面を深く振り返り、新たな視点を得ることで、単に解決策を提供される場合よりも問題の理解が深まり、さらに自主的な行動を促される。しかし、対話システムにこのような気づきを促す機能を持たせることは容易ではない。気づきを引き出すプロセスは、悩みの種類やその原因によって異なり、複雑な思考を必要とするためである。本論文では、大規模言語モデルが生成した戦略的知識に基づいて推論を行う戦略的思考の連鎖（Strategic Chain-of-Thought）を活用する事で多様な悩みを持つ相談者に気づきを促す傾聴対話システムを提案し、この課題に取り組む。実験では、子育てに関する悩みを題材として、この対話システムの有用性を検証する。

  一般社団法人 人工知能学会, 2024年11月, 人工知能学会研究会資料 言語・音声理解と対話処理研究会, 102, 80 - 85, 日本語


• Integrating Textual and Financial Time Series Data for Enhanced Forecasting*

  Shangyang Mou, Qiang Xue, Wenting Zhang, Takuji Kinkyo, Shigeyuki Hamori, Jinhui Chen, Tetsuya Takiguchi, Yasuo Ariki

  IEEE, 2024年07月, 2024 16th IIAI International Congress on Advanced Applied Informatics (IIAI-AAI), 541 - 544

  研究論文（国際会議プロシーディングス）


• 歌声合成と変換を用いた未経験者音声からのオペラ歌唱音声合成

  菅原 碧斗, 岸本 宗真, 足立 優司, 田井 清登, 高島 遼一, 滝口 哲也

  2024年03月, 日本音響学会2024年春季研究発表会講演論文集, 1031 - 1034

  研究論文（その他学術会議資料等）


• 日本語フォント文字の印象評価と感情字幕生成への応用

  中村 史也, 相原 龍, 高島 遼一, 滝口 哲也, 伊谷 裕介

  2024年03月, 日本音響学会2024年春季研究発表会講演論文集, 983 - 986

  研究論文（その他学術会議資料等）


• 吃音者向けTTSシステムのための健常者音素継続長を反映したVITSの学習手法の提案

  長久保 諒, 山下 陽生, 高島 遼一, 安井 美鈴, 滝口 哲也

  2024年03月, 日本音響学会2024年春季研究発表会講演論文集, 919 - 922

  研究論文（その他学術会議資料等）


• wav2vec 2.0と疑似ラベリングを活用した脳性麻痺者の音声認識

  松坂 勇樹, 高島 遼一, 滝口 哲也

  2024年03月, 日本音響学会2024年春季研究発表会講演論文集, 873 - 876

  研究論文（その他学術会議資料等）


• EdenVC : 音素継続長とアライメントの協調学習を用いた系列長変換型声質変換モデル

  山下陽生, 岡本拓磨, 高島遼一, 大谷 大和, 滝口哲也, 戸田智基, 河井 恒

  2024年03月, 日本音響学会2024年春季研究発表会講演論文集, 793 - 796

  研究論文（その他学術会議資料等）


• 正弦波入力型ニューラルボコーダを用いたTTSモデルによる歌声合成

  清水 聡太, 岡本 拓磨, 高島 遼一, 大谷 大和, 滝口 哲也, 戸田 智基, 河井 恒

  2024年03月, 日本音響学会2024年春季研究発表会講演論文集, 785 - 788

  研究論文（その他学術会議資料等）


• 想起音声識別のための変分自己符号化器に基づく表現学習

  矢野 肇, 高島 遼一, 滝口 哲也, 中川 誠司

  2024年03月, 日本音響学会2024年春季研究発表会講演論文集, 645 - 648

  研究論文（その他学術会議資料等）


• 対話ロボットを用いた演奏学習支援システムの開発

  松阪 瑠音, 塩見 昌裕, 滝口 哲也

  2024年03月, 第28回情報処理学会シンポジウム INTERACTION 2024, 1390 - 1392

  研究論文（その他学術会議資料等）


• Enhancing Economic Time Series Prediction with News Text Data and Numerical Data: A Transformer-Based Approach

  Shangyang Mou, Wenting Zhang, Takuji Kinkyo, Shigeyuki Hamori, Jinhui Chen, Tetsuya Takiguchi, Yasuo Ariki

  2024年03月, 言語処理学会第30回年次大会発表論文集, 1975 - 1979, 日本語

  研究論文（その他学術会議資料等）


• 知識グラフに基づくルールベースよるFact Verificationとその拡張手法の考察

  籾井 裕貴, 滝口 哲也, 有木 康雄

  2024年03月, 言語処理学会第30回年次大会発表論文集, 2976 - 2981

  研究論文（その他学術会議資料等）


• 知識グラフの対話システムへの記憶化：学習アプローチの探究

  薛 強, 滝口 哲也, 有木 康雄

  2024年03月, 言語処理学会第30回年次大会発表論文集, 1453 - 1457

  研究論文（その他学術会議資料等）


• JudgerToken: A Single-Token Method for Reducing Repetition in Dialogue System

  Qiang Xue, Tetsuya Takiguchi, Yasuo Ariki

  2024年03月, Proceedings of the 14th International Workshop on Spoken Dialogue Systems Technology

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Dysarthric Speech Recognition Using Pseudo-Labeling, Self-Supervised Feature Learning, and a Joint Multi-Task Learning Approach

  Ryoichi Takashima, Yuya Sawa, Ryo Aihara, Tetsuya Takiguchi, Yoshie Imai

  2024年03月, IEEE Access, 12, 36990 - 36999

  [査読有り]

  研究論文（学術雑誌）

  神戸大学リポジトリ（Kernel）へのリンク


• Iterative Annotation for Road Damage Detection Using Human-in-the-Loop with a Vision and Language Model

  Ryuichi Tomiya, Tristan Hascoe, Ryoichi Takashima, Tetsuya Takiguchi

  2024年02月, International Workshop on Frontiers of Computer Vision

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Fast Neural Speech Waveform Generative Models With Fully-Connected Layer-Based Upsampling

  Haruki Yamashita, Takuma Okamoto, Ryoichi Takashima, Yamato Ohtani, Tetsuya Takiguchi, Tomoki Toda, Hisashi Kawai

  2024年02月, IEEE Access, 12, 31409 - 31421

  [査読有り]

  研究論文（学術雑誌）

  神戸大学リポジトリ（Kernel）へのリンク


• Individuality-Preserving Speech Synthesis for Spinal Muscular Atrophy with a Tracheotomy.

  Minori Iwata, Ryoichi Takashima, Chiho Sasaki, Tetsuya Takiguchi

  ACM, 2024年, The 26th International ACM SIGACCESS Conference on Computers and Accessibility(ASSETS), 99 - 5

  研究論文（国際会議プロシーディングス）


• Representation Learning Based on Variational Autoencoders for Imagined Speech Classification.

  Hajime Yano, Ryoichi Takashima, Tetsuya Takiguchi, Seiji Nakagawa

  IEEE, 2024年, 32nd European Signal Processing Conference(EUSIPCO), 1546 - 1550

  研究論文（国際会議プロシーディングス）


• Dysarthric Speech Recognition Using Pseudo-Labeling, Self-Supervised Feature Learning, and a Joint Multi-Task Learning Approach.

  Ryoichi Takashima, Yuya Sawa, Ryo Aihara, Tetsuya Takiguchi, Yoshie Imai

  2024年, IEEE Access, 12, 36990 - 36999

  研究論文（学術雑誌）

  神戸大学リポジトリ（Kernel）へのリンク


• Fast Neural Speech Waveform Generative Models With Fully-Connected Layer-Based Upsampling.

  Haruki Yamashita, Takuma Okamoto, Ryoichi Takashima, Yamato Ohtani, Tetsuya Takiguchi, Tomoki Toda, Hisashi Kawai

  2024年, IEEE Access, 12, 31409 - 31421

  研究論文（学術雑誌）

  神戸大学リポジトリ（Kernel）へのリンク


• Learning Global Evapotranspiration Dataset Corrections from a Water Cycle Closure Supervision

  Tristan Hascoet, Victor Pellet, Filipe Aires, Tetsuya Takiguchi

  Evapotranspiration (E) is one of the most uncertain components of the global water cycle (WC). Improving global E estimates is necessary to improve our understanding of climate and its impact on available surface water resources. This work presents a methodology for deriving monthly corrections to global E datasets at 0.25∘ resolution. A principled approach is proposed to firstly use indirect information from the other water components to correct E estimates at the catchment level, and secondly to extend this sparse catchment-level information to global pixel-level corrections using machine learning (ML). Several E satellite products are available, each with its own errors (both random and systematic). Four such global E datasets are used to validate the proposed approach and highlight its ability to extract seasonal and regional systematic biases. The resulting E corrections are shown to accurately generalize WC closure constraints to unseen catchments. With an average deviation of 14% from the original E datasets, the proposed method achieves up to 20% WC residual reduction on the most favorable dataset.

  MDPI AG, 2023年12月, Remote Sensing, 16(1) (1), 170 - 170

  [査読有り]

  研究論文（学術雑誌）


• 知識グラフを活用したルールベースによるFact Verification

  籾井 裕貴, 滝口 哲也, 有木 康雄

  2023年12月, 人工知能学会 言語・音声理解と対話処理研究会, 51 - 55

  研究論文（研究会，シンポジウム資料等）


• 対話データに基づく重複文負例の作成と重複を抑制する言語モデルの提案

  薛 強, 滝口 哲也, 有木 康雄

  2023年12月, 人工知能学会 言語・音声理解と対話処理研究会, 19 - 24

  研究論文（研究会，シンポジウム資料等）


• Rule-based Fact Verification Utilizing Knowledge Graphs

  Y. Momii, T. Takiguchi, Y. Ariki

  2023年12月, The 12th International Joint Conference on Knowledge Graphs

  [査読有り]

  研究論文（国際会議プロシーディングス）


• 歯科医療情報共有化と異分野融合によるデータ駆動型時代の歯科医療 発話困難者の音声コミュニケーションを支援する音声認識技術

  滝口 哲也, 北条 直樹, 高島 遼一, 杉山 千尋, 田中 信和, 野原 幹司, 野崎 一徳

  (一社)日本医療情報学会, 2023年11月, 医療情報学連合大会論文集, 43回, 390 - 391, 日本語


• Magnetic cortical oscillations associated with subjective auditory coolness during paired comparison of time-varying HVAC sounds

  Hajime Yano, Tetsuya Takiguchi, Seiji Nakagawa

  The impressions of heating, ventilation, and air conditioning (HVAC) sounds are important for the comfort people experience in their living spaces. Revealing neural substrates of the impressions induced by HVAC sounds can help to develop neurophysiological indices of the comfort of HVAC sounds. There have been numerous studies on the brain activities associated with the pleasantness of sounds, but few on the brain activities associated with the thermal impressions of HVAC sounds. Seven time-varying HVAC sounds were synthesized as stimuli using amplitude modulation. Six participants took part in subjective evaluation tests and MEG measurements. Subjective coolness of the HVAC sounds was measured using the paired comparison method. Magnetoencephalographic (MEG) measurements were carried out while participants listened to and compared the time-varying HVAC sounds. Time-frequency analysis and cluster-based analysis were performed on the MEG data. The subjective evaluation tests showed that the subjective coolness of the amplitude-modulated HVAC sounds was affected by the modulation frequency, and that there was individual difference in subjective coolness. A cluster-based analysis of the MEG data revealed that the brain activities of two participants significantly differed when they listened to cooler or less cool HVAC sounds. The frontal low-theta (4–5 Hz) and the temporal alpha (8–13 Hz) activities were observed. The frontal low-theta and the temporal alpha activities may be associated with the coolness of HVAC sound. This result suggests that the comfort level of HVAC sound can be evaluated and individually designed using neurophysiological measurements.

  Ovid Technologies (Wolters Kluwer Health), 2023年10月, NeuroReport, 35(1) (1), 1 - 8

  [査読有り]

  研究論文（学術雑誌）

  神戸大学リポジトリ（Kernel）へのリンク


• 単語埋め込み表現を用いた感情音声からの字幕画像生成手法の検討

  中村 史也, 相原 龍, 高島 遼一, 滝口 哲也, 伊谷 裕介

  2023年09月, 日本音響学会2023年秋季研究発表会講演論文集, 1333 - 1336

  研究論文（その他学術会議資料等）


• 吃音者の音声認識における連発ラベル導入による連発箇所の検出

  松坂 勇樹, 高島 遼一, 安井 美鈴, 滝口 哲也

  2023年09月, 日本音響学会2023年秋季研究発表会講演論文集, 1325 - 1328

  研究論文（その他学術会議資料等）


• End-to-End 系列変換型声質変換への高速ニューラル波形生成モデル導入の検討

  山下陽生, 岡本拓磨, 高島遼一, 大谷 大和, 滝口哲也, 戸田智基, 河井 恒

  2023年09月, 日本音響学会2023年秋季研究発表会講演論文集, 1295 - 1298

  研究論文（その他学術会議資料等）


• Diff-SVCを用いたオペラ歌唱音声合成における中高域強調ネットワークの検討

  菅原 碧斗, 岸本 宗真, 足立 優司, 田井 清登, 高島 遼一, 滝口 哲也

  2023年09月, 日本音響学会2023年秋季研究発表会講演論文集, 1283 - 1286

  研究論文（その他学術会議資料等）


• F0予測・波形生成ネットワークの一貫学習によるメルスペクトログラム入力型F0制御可能ニューラルボコーダ

  清水 聡太, 岡本 拓磨, 高島 遼一, 大谷 大和, 滝口 哲也, 戸田 智基, 河井 恒

  2023年09月, 日本音響学会2023年秋季研究発表会講演論文集, 1041 - 1044

  研究論文（その他学術会議資料等）


• Optical Flow Regularization of Implicit Neural Representations for Video Frame Interpolation

  Weihao Zhuang, Tristan Hascoet, Xunquan Chen, Ryoichi Takashima, Tetsuya Takiguchi

  Now Publishers, 2023年09月, APSIPA Transactions on Signal and Information Processing, 12(1) (1)

  [査読有り]

  研究論文（学術雑誌）

  神戸大学リポジトリ（Kernel）へのリンク


• EEG Source Estimation Using Deep Prior Without a Subject’s Individual Lead Field

  Naoki Hojo, Hajime Yano, Ryoichi Takashima, Tetsuya Takiguchi, Seiji Nakagawa

  IEEE, 2023年06月, 2023 IEEE International Conference on Acoustics, Speech, and Signal Processing Workshops (ICASSPW), 1 - 5

  [査読有り]

  研究論文（国際会議プロシーディングス）


• 全結合層型アップサンプリングを導入した高速ニューラル波形生成モデル

  山下 陽生, 岡本 拓磨, 高島 遼一, 大谷 大和, 滝口 哲也, 戸田 智基, 河井 恒

  2023年06月, 電子情報通信学会技術研究報告, 123(88) (88), 73 - 78

  研究論文（研究会，シンポジウム資料等）


• 発話音声の感情情報に基づく色つき字幕画像生成の検討

  中村史也, 相原 龍, 高島 遼一, 滝口 哲也, 伊谷 裕介

  2023年06月, 電子情報通信学会技術研究報告, 123(88) (88), 54 - 59

  研究論文（研究会，シンポジウム資料等）


• Diff-SVCを用いたオペラ歌唱音声合成

  菅原 碧斗, 岸本 宗真, 足立 優司, 田井 清登, 高島 遼一, 滝口 哲也

  2023年06月, 電子情報通信学会技術研究報告, 123(88) (88), 30 - 35

  研究論文（研究会，シンポジウム資料等）


• MS-Harmonic-Net++ vs SiFi-GAN: 基本周波数制御可能な高速ニューラル波形生成モデルの比較

  清水 聡太, 岡本 拓磨, 高島 遼一, 大谷大和, 滝口 哲也, 戸田 智基, 河井 恒

  2023年06月, 電子情報通信学会技術研究報告, 123(88) (88), 20 - 25

  研究論文（研究会，シンポジウム資料等）


• Harmonic-Net: Fundamental Frequency and Speech Rate Controllable Fast Neural Vocoder

  K. Matsubara, T. Okamoto, R. Takashima, T. Takiguchi, T. Toda, H. Kawai

  2023年05月, IEEE Transactions on Audio, Speech, and Language Processing, 31, 1902 - 1915

  [査読有り]

  研究論文（学術雑誌）


• Multi-stream FC-HiFi-GAN:学習可能な軽量アップサンプリングを用いた高速ニューラル波形生成モデル

  山下 陽生, 岡本 拓磨, 高島 遼一, 滝口 哲也, 戸田 智基, 河井 恒

  2023年03月, 電子情報通信学会技術研究報告, 122(389) (389), 7 - 12

  研究論文（その他学術会議資料等）


• 基本周波数制御可能な高速ニューラル波形生成モデルの比較

  清水 聡太, 岡本 拓磨, 高島 遼一, 滝口 哲也, 戸田 智基, 河井 恒

  2023年03月, 電子情報通信学会技術研究報告, 122(389) (389), 1 - 6

  研究論文（その他学術会議資料等）


• 知識グラフに基づく応答文生成における記号化されたエンティティの利用

  籾井 裕貴, 滝口 哲也, 有木 康雄

  2023年03月, 言語処理学会第29回年次大会発表論文集, 2007 - 2012

  研究論文（その他学術会議資料等）


• 生成・分類言語モデルに基づく対話システムの構築

  薛 強, 滝口 哲也, 有木 康雄

  2023年03月, 言語処理学会第29回年次大会発表論文集, 1969 - 1973

  研究論文（その他学術会議資料等）


• EEGNetを用いた脳磁界データによる想起時の音声識別の検討

  山名 莉央, 北条 直樹, 矢野 肇, 滝口 哲也, 高島 遼一, 中川 誠司

  2023年03月, 日本音響学会春季研究発表会講演論文集, (3-4P-3) (3-4P-3), 517 - 520

  研究論文（その他学術会議資料等）


• 発話音声の感情を反映したテロップ画像の自動生成手法の検討

  中村 史也, 相原 龍, 高島 遼一, 滝口 哲也, 今井 良枝

  2023年03月, 日本音響学会春季研究発表会講演論文集, (2-3Q-4) (2-3Q-4), 887 - 890

  研究論文（その他学術会議資料等）


• Harmonic-Net++: 基本周波数制御可能なメルスペクトログラム入力型高速ニューラルボコーダ

  清水 聡太, 岡本 拓磨, 高島 遼一, 滝口 哲也, 戸田 智基, 河井 恒

  2023年03月, 日本音響学会春季研究発表会講演論文集, (2002/3/4) (2002/3/4), 717 - 720

  研究論文（その他学術会議資料等）


• 自己正確推定損失を用いたDeep Priorに基づく複数の脳内電流源の推定

  矢野 肇, 高島 遼一, 滝口 哲也, 中川 誠司

  2023年03月, 日本音響学会春季研究発表会講演論文集, (1-4P-16) (1-4P-16), 509 - 512

  研究論文（その他学術会議資料等）


• Deep Priorを用いた脳波からのForward modelと電流源の同時推定

  北条 直樹, 矢野 肇, 高島 遼一, 滝口 哲也, 中川 誠司

  2023年03月, 日本音響学会春季研究発表会講演論文集, (1-4P-15) (1-4P-15), 505 - 508

  研究論文（その他学術会議資料等）


• Emotional Voice Conversion with a Novel Content-Style Fusion Block

  陳 訓泉, 陳 金輝, 高島 遼一, 滝口 哲也

  2023年03月, 日本音響学会春季研究発表会講演論文集, (1-3Q-8) (1-3Q-8), 831 - 834

  研究論文（その他学術会議資料等）


• 脊髄性筋萎縮症者音声合成における明瞭性および話者性を考慮した適応手法の検討

  吉本 拓真, 高島 遼一, 佐々木 千穂, 滝口 哲也

  2023年03月, 日本音響学会春季研究発表会講演論文集, (1-3Q-6) (1-3Q-6), 825 - 828

  研究論文（その他学術会議資料等）


• 器質性構音障害者音声認識のための簡易ラベルによる中間層ロスの導入

  冨士原 健斗, 高島 遼一, 杉山 千尋, 田中 信和, 野原 幹司, 野崎 一徳, 滝口 哲也

  2023年03月, 日本音響学会春季研究発表会講演論文集, (1-3Q-2) (1-3Q-2), 811 - 814

  研究論文（その他学術会議資料等）


• Towards Expressive Speech Conversion based on StarGANv2

  牟 尚泱, 陳 金輝, 高島 遼一, 滝口 哲也

  2023年03月, 日本音響学会春季研究発表会講演論文集, (1-3P-10) (1-3P-10), 799 - 802

  研究論文（その他学術会議資料等）


• 発話音声を用いたオペラ歌唱音声合成の初期検討

  菅原 碧斗, 岸本 宗真, 足立 優司, 田井 清登, 高島 遼一, 滝口 哲也

  2023年03月, 日本音響学会春季研究発表会講演論文集, (1-3P-9) (1-3P-9), 795 - 798

  研究論文（その他学術会議資料等）


• wav2vec 2.0によるラベル無し複数患者音声を用いた脳性麻痺患者の音声認識

  松坂 勇樹, 高島 遼一, 滝口 哲也

  2023年03月, 日本音響学会春季研究発表会講演論文集, (1-3P-2) (1-3P-2), 773 - 776

  研究論文（その他学術会議資料等）


• 音響イベントのゼロショット学習における属性情報の拡張

  Lin Yi-Han, 高島 遼一, 滝口 哲也

  2023年03月, 日本音響学会春季研究発表会講演論文集, (1-1P-4) (1-1P-4), 213 - 216

  研究論文（その他学術会議資料等）


• End-to-End系列変換型声質変換の高速化およびノンネイティブ話者変換の検討

  山下陽生, 岡本拓磨, 高島遼一, 滝口哲也, 戸田智基, 河井 恒

  2023年03月, 日本音響学会春季研究発表会講演論文集, (2001/3/13) (2001/3/13), 699 - 702

  研究論文（その他学術会議資料等）


• EEG Current Source Localization Using Deep Prior

  Naoki Hojo, Hajime Yano, Ryoichi Takashima, Tetsuya Takiguchi, Seiji Nakagawa

  2023年03月, International Workshop on Nonlinear Circuits and Signal Processing, 502 - 505

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Visual Archive Search Using Vision-language Object Detection Models

  Ryuichi Tomiya, Tristan Hascoet, Ryoichi Takashima, Tetsuya Takiguchi

  2023年03月, International Workshop on Nonlinear Circuits and Signal Processing, 340 - 343

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Zero-Shot Sound Event Classification Using a Sound Attribute Vector with Global and Local Feature Learning.

  Yihan Lin, Xunquan Chen, Ryoichi Takashima, Tetsuya Takiguchi

  2023年, ICASSP, 1 - 5

  [査読有り]

  研究論文（国際会議プロシーディングス）

  神戸大学リポジトリ（Kernel）へのリンク


• Convolutional Neural Networks Inference Memory Optimization with Receptive Field-Based Input Tiling

  Weihao Zhuang, Tristan Hascoet, Xunquan Chen, Ryoichi Takashima, Tetsuya Takiguchi, Yasuo Ariki

  Now Publishers, 2023年01月, APSIPA Transactions on Signal and Information Processing, 12(1) (1), 1 - 20

  [査読有り]

  研究論文（学術雑誌）

  神戸大学リポジトリ（Kernel）へのリンク


• Reversible designs for extreme memory cost reduction of CNN training.

  Tristan Hascoet, Quentin Febvre, Weihao Zhuang, Yasuo Ariki, Tetsuya Takiguchi

  2023年01月, EURASIP J. Image Video Process., 2023(1) (1), 1 - 30

  [査読有り]

  研究論文（学術雑誌）

  神戸大学リポジトリ（Kernel）へのリンク


• Optimizing Japanese dam reservoir inflow forecast for efficient operation

  Keisuke Yoshimi, Tristan Hascoet, Rousslan F. Julien Dossa, Ryoichi Takashima, Tetsuya Takiguchi, Satoru Oishi

  2022年12月, NeurIPS 2022 Workshop on Tackling Climate Change with Machine Learning, 1 - 5

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Levee protected area detection for improved flood risk assessment in global hydrology models

  Masato Ikegawa, Tristan Hascoet, Victor Pellet, Xudong Zhou, Tetsuya Takiguchi, Dai Yamazaki

  2022年12月, NeurIPS 2022 Workshop on Tackling Climate Change with Machine Learning, 1 - 5

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Current Source Localization Using Deep Prior with Depth Weighting

  Hajime Yano, Rio Yamana, Ryoichi Takashima, Tetsuya Takiguchi, Seiji Nakagawa

  IEEE, 2022年11月, 2022 Asia-Pacific Signal and Information Processing Association Annual Summit and Conference (APSIPA ASC)

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Speaker-Independent Emotional Voice Conversion via Disentangled Representations

  Xunquan Chen, Takashi Kamihigashi, Jinhui Chen, Tetsuya Takiguchi, Edwin R. Hancock

  2022年11月, IEEE Transactions on Multimedia

  [査読有り]

  研究論文（学術雑誌）


• Binary Attribute Embeddings for Zero-Shot Sound Event Classification

  Yihan Lin, Xunquan Chen, Ryoichi Takashima and Tetsuya Takiguchi

  2022年10月, IEEE GCCE, 13 - 14

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Evaluation and Manipulation of Neural Activity using Two-Photon Holographic Microscopy.

  Daisuke Kato, Xiangyu Quan, Yuta Tanisumi, Zhongtian Guo, Mitsuhiro Morita, Tetsuya Takiguchi, Osamu Matoba, Hiroaki Wake

  Recent advances in optical bioimaging and optogenetics have enabled the visualization and manipulation of biological phenomena, including cellular activities, in living animals. In the field of neuroscience, detailed neural activity related to brain functions, such as learning and memory, has now been revealed, and it has become feasible to artificially manipulate this activity to express brain functions. However, the conventional evaluation of neural activity by two-photon Ca2+ imaging has the problem of low temporal resolution. In addition, manipulation of neural activity by conventional optogenetics through the optic fiber can only simultaneously regulate the activity of neurons with the same genetic background, making it difficult to control the activity of individual neurons. To solve this issue, we recently developed a microscope with a high spatiotemporal resolution for biological applications by combining optogenetics with digital holographic technology that can modify femtosecond infrared laser beams. Here, we describe protocols for the visualization, evaluation, and manipulation of neural activity, including the preparation of samples and operation of a two-photon holographic microscope (Figure 1). These protocols provide accurate spatiotemporal information on neural activity, which may be useful for elucidating the pathogenesis of neuropsychiatric disorders that lead to abnormalities in neural activity.

  2022年09月, Journal of visualized experiments : JoVE, (187) (187), 英語, 国際誌

  [査読有り]

  研究論文（学術雑誌）


• 日本の水力発電効率化のための機械学習を用いたダム流入水量予測

  吉見圭祐, トリスタンハスクェト, 滝口哲也, 高島遼一, 大石哲

  2022年09月, 第21回情報科学技術フォーラム, (O-001) (O-001), 299 - 302

  研究論文（その他学術会議資料等）


• 筋萎縮性側索硬化症者の音声合成を目的としたモデル適応と声質変換の比較評価

  吉本拓真, 高島遼一, 佐々木千穂, 滝口 哲也

  2022年09月, 日本音響学会秋季研究発表会講演論文集, (3-Q-30) (3-Q-30), 1387 - 1390

  研究論文（その他学術会議資料等）


• wav2vec 2.0 によるラベル無し音声を用いた脳性麻痺患者の音声認識

  松坂勇樹, 高島遼一, 滝口哲也

  2022年09月, 日本音響学会秋季研究発表会講演論文集, (3-Q-4) (3-Q-4), 1317 - 1320

  研究論文（その他学術会議資料等）


• 器質性構音障害者向け音声認識モデルにおける発話辞書適応方式の比較検討

  冨士原 健斗, 高島 遼一, 杉山 千尋, 田中 信和, 野原 幹司, 野崎 一徳, 滝口 哲也

  2022年09月, 日本音響学会秋季研究発表会講演論文集, (3-Q-3) (3-Q-3), 1313 - 1316

  研究論文（その他学術会議資料等）


• Towards Natural Emotional Voice Conversion with Novel Attention Module

  陳訓泉, 陳金輝, 高島遼一, 滝口哲也

  2022年09月, 日本音響学会秋季研究発表会講演論文集, (2-Q-46) (2-Q-46), 1297 - 1300

  研究論文（その他学術会議資料等）


• 構音障害者のための高明瞭度音声合成における HiFi-GAN を用いた品質改善

  松原圭亮, 岡本拓磨, 高島遼一, 滝口哲也, 戸田智基, 河井恒

  2022年09月, 日本音響学会秋季研究発表会講演論文集, (2-Q-39) (2-Q-39), 1277 - 1280

  研究論文（その他学術会議資料等）


• Attribute Prototype Networkを用いた音響イベントのゼロショット学習

  LIN YIHAN, 高島遼一, 滝口哲也

  2022年09月, 日本音響学会秋季研究発表会講演論文集, (2-Q-30) (2-Q-30), 1245 - 1248

  研究論文（その他学術会議資料等）


• 自己正確推定損失による DeepPrior を用いた脳磁図の電流源推定

  矢野肇, 高島遼一, 滝口哲也, 中川誠司

  2022年09月, 日本音響学会秋季研究発表会講演論文集, (1-P-23) (1-P-23), 955 - 958

  研究論文（その他学術会議資料等）


• 基本周波数制御可能なメルスペクトログラム入力型 HiFi-GAN の初期検討

  清水聡太, 岡本拓磨, 高島遼一, 滝口哲也, 戸田智基, 河井恒

  2022年09月, 日本音響学会秋季研究発表会講演論文集, (1-8-10) (1-8-10), 1137 - 1140

  研究論文（その他学術会議資料等）


• Harmonic-Net+:高調波入力と Layerwise-Quasi-Periodic 畳み込みを用いた基本周波数制御可能な高速ニューラルボコーダ

  松原圭亮, 岡本拓磨, 高島遼一, 滝口哲也, 戸田智基, 河井恒

  2022年09月, 日本音響学会秋季研究発表会講演論文集, (1-8-9) (1-8-9), 1133 - 1136

  研究論文（その他学術会議資料等）


• FC-HiFi-GAN:全結合層型アップサンプリングを導入した高速 HiFi-GAN

  山下陽生, 岡本拓磨, 高島遼一, 滝口哲也, 戸田智基, 河井 恒

  2022年09月, 日本音響学会秋季研究発表会講演論文集, (1-8-5) (1-8-5), 1121 - 1124

  研究論文（その他学術会議資料等）


• Highly Intelligible Speech Synthesis for Spinal Muscular Atrophy Patients Based on Model Adaptation

  Takuma Yoshimoto, Ryoichi Takashima, Chiho Sasaki, Tetsuya Takiguchi

  2022年09月, Proc. 1st Workshop on Speech for Social Good (S4SG), 36 - 40

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Building a Knowledge-Based Dialogue System with Text Infilling

  Qiang Xue, Tetsuya Takiguchi, Yasuo Ariki

  2022年09月, Proceedings of the 23rd Annual Meeting of the Special Interest Group on Discourse and Dialogue (SIGDIAL), 237 - 243

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Direction of Arrival Estimation for Indoor Environments Based on Acoustic Composition Model with a Single Microphone

  Xuexin Xu, Xunquan Chen, Jinhui Chen, Zhihong Zhang, Tetsuya Takiguchi, Edwin R. Hancock

  2022年09月, Pattern Recognition, Volume 129, 108715~, 英語

  [査読有り]

  研究論文（学術雑誌）


• Where do humans build levees? A case study on the contiguous united states

  M. Ikegawa, T. Hascoet, V. Pellet, M. Watanabe, X. Zhou, Y. Tanaka, T. Takiguchi, D. Yamazaki

  2022年07月, 2765 - 2768

  [査読有り]

  研究論文（国際会議プロシーディングス）


• 対話穴埋め：検索・生成ベース雑談対話システムの発話制御手法

  薛 強, 滝口 哲也, 有木 康雄

  Generation-base dialogue system tends to produce generic response sentences. In order to improve the diversity of response sentences by the generation-base dialogue system, the response text retrieved by the retrieval-base model can be input to the generation-base model as reference response text, so that the generation-base model can generate highly diverse response sentences. However, the prior works show that the generation-base dialogue system often ignores the reference response text, resulting in the response sentences that is unrelated to the reference response text. In this work, we propose the Dialogue-Filling method, which can utilize 100% of the reference response text by masking the response sentences with a text-filling technique. We built variants of Dialogue-Filling method with DialoGPT model. Experiments on the DailyDialog Dataset demonstrate that our Dialogue-Filling method outperforms the baseline method on the dialogue generation task.

  一般社団法人 人工知能学会, 2022年05月, 人工知能学会論文誌, 37(3) (3), IDS-C_1 - 9, 日本語

  [査読有り]


• MEG Source Localization Using Deep Prior

  Rio Yamana, Hajime Yano, Ryoichi Takashima, Tetsuya Takiguchi, Seiji Nakagawa

  IEEE, 2022年03月, 2022 IEEE 4th Global Conference on Life Sciences and Technologies (LifeTech), 590 - 591

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Adaptation of a Pronunciation Dictionary for Dysarthric Speech Recognition.

  Yuya Sawa, Ryoichi Takashima, Tetsuya Takiguchi

  IEEE, 2022年03月, 4th IEEE Global Conference on Life Sciences and Technologies(LifeTech), 631 - 635

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Data Augmentation for Dysarthric Speech Recognition Based on Text-to-Speech Synthesis.

  Yuki Matsuzaka, Ryoichi Takashima, Chiho Sasaki, Tetsuya Takiguchi

  IEEE, 2022年03月, 4th IEEE Global Conference on Life Sciences and Technologies(LifeTech), 399 - 400

  [査読有り]

  研究論文（国際会議プロシーディングス）

  神戸大学リポジトリ（Kernel）へのリンク


• Comparative Evaluation of Neural Vocoders for Speech Synthesis of Operatic Singing.

  Sota Shimizu, Keisuke Matsubara, Yuji Adachi, Kiyoto Tai, Ryoichi Takashima, Tetsuya Takiguchi

  IEEE, 2022年03月, 4th IEEE Global Conference on Life Sciences and Technologies(LifeTech), 28 - 29

  [査読有り]

  研究論文（国際会議プロシーディングス）

  神戸大学リポジトリ（Kernel）へのリンク


• Comparison of real-time multi-speaker neural vocoders on CPUs

  Keisuke Matsubara, Takuma Okamoto, Ryoichi Takashima, Tetsuya Takiguchi, Tomoki Toda, Hisashi Kawai

  Acoustical Society of Japan, 2022年03月, Acoustical Science and Technology, 43(2) (2), 121 - 124

  [査読有り]

  研究論文（学術雑誌）


• Speaker-Targeted Audio-Visual Speech Recognition Using a Hybrid CTC/Attention Model with Interference Loss.

  Ryota Tsunoda, Ryo Aihara, Ryoichi Takashima, Tetsuya Takiguchi, Yoshie Imai

  2022年, ICASSP, 251 - 255

  [査読有り]

  研究論文（国際会議プロシーディングス）

  神戸大学リポジトリ（Kernel）へのリンク


• Phoneme-Guided Dysarthric Speech Conversion with Non-parallel Data by Joint Training

  Xunquan Chen, Atsuki Oshiro, Jinhui Chen, Ryoichi Takashima, Tetsuya Takiguchi

  2022年01月, Signal, Image and Video Processing, 1641 - 1648

  [査読有り]

  研究論文（学術雑誌）


• 三題噺生成：指定知識による対話システムの応答生成手法

  薛 強, 滝口 哲也, 有木 康雄

  近年，最先端のTransformerベースの深層学習モデルを用いた生成ベース対話システムが研究開発され，より人間らしい応答文を生成することが報告されている．多くの生成ベース対話システムでは，深層学習モデルの出力分布により，Greedyなどのデコード戦略に基づいて，左から右に逐次的に応答文の単語を生成するという逐次生成手法を用いている．しかし，逐次生成手法により生成する応答文は，最小長と最大長などの応答文パラメータは制御できるが，内容を制御することが困難である．本研究では，生成する応答の内容を制御するために，与えられた三つのお題を使って即興で話をする「三題噺」の作文手法を参考に，指定された知識（お題）の前後の応答を生成する三題噺生成手法を提案する．実験より，提案手法を用いた対話システムは，多様性と正解性評価指標においてベースラインより優れた結果を示した．

  一般社団法人 人工知能学会, 2022年, 人工知能学会全国大会論文集, JSAI2022, 3Yin221 - 3Yin221, 日本語


• Unsupervised domain adaptation for lip reading based on cross-modal knowledge distillation

  Yuki Takashima, Ryoichi Takashima, Ryota Tsunoda, Ryo Aihara, Tetsuya Takiguchi, Yasuo Ariki, Nobuaki Motoyama

  2021年12月, EURASIP JOURNAL ON AUDIO SPEECH AND MUSIC PROCESSING, 2021(1) (1), 英語

  [査読有り]

  研究論文（学術雑誌）

  神戸大学リポジトリ（Kernel）へのリンク


• Multimodal fusion for indoor sound source localization

  Jinhui Chen, Ryoichi Takashima, Xingchen Guo, Zhihong Zhang, Xuexin Xud, Tetsuya Takiguchi, Edwin R.Hancock

  2021年07月, Pattern Recognition, 115, 1 - 12

  [査読有り]

  研究論文（学術雑誌）


• モデル適応に基づく脊髄性筋萎縮症者の高明瞭度音声合成の検討

  吉本 拓真, 高島 遼一, 佐々木 千穂, 滝口 哲也

  2021年06月, 第137回 音声言語情報処理研究会, 2021-SLP-137, 1 - 5

  研究論文（研究会，シンポジウム資料等）


• High-Intelligibility Speech Synthesis for Dysarthric Speakers with LPCNet-Based TTS and CycleVAE-Based VC

  松原圭亮, 松原圭亮, 岡本拓磨, 高島遼一, 滝口哲也, 戸田智基, 戸田智基, 志賀芳則, 河井恒

  2021年06月, ICASSP, 2021, 7058 - 7062

  [査読有り]

  研究論文（国際会議プロシーディングス）


• CycleVAE型声質変換を用いた構音障害者のための高明瞭度音声合成

  松原圭亮, 岡本拓磨, 高島遼一, 滝口哲也, 戸田智基, 志賀芳則, 河井 恒

  2021年03月, 日本音響学会2021年春季研究発表会講演論文集, 2021, 783 - 786

  研究論文（その他学術会議資料等）


• マルチモーダル音声認識におけるLocal attentionを用いた音声画像統合方式

  角田 遼太, 相原 龍, 高島 遼一, 滝口 哲也, 本山 信明

  2021年03月, 日本音響学会2021年春季研究発表会講演論文集, 957 - 960

  研究論文（その他学術会議資料等）


• 口唇口蓋裂者の音声認識のためのデータ拡張方式の検討

  冨士原 健斗, 高島 遼一, 杉山 千尋, 田中 信和, 野原 幹司, 野崎 一徳, 滝口 哲也

  2021年03月, 日本音響学会2021年春季研究発表会講演論文集, 2021, 961 - 964

  研究論文（その他学術会議資料等）


• 母音発音と歌唱速度の変化を考慮したアカペラオペラ歌声合成

  片平 健太, 足立 優司, 田井 清登, 高島 遼一, 滝口 哲也

  2021年03月, 日本音響学会2021年春季研究発表会講演論文集

  研究論文（その他学術会議資料等）


• Dysarthric Speech Conversion by Learning Disentangled Representations with Non-parallel Data

  陳 訓泉, 陳 金輝, 高島 遼一, 滝口 哲也

  2021年03月, 1037 - 1040

  研究論文（その他学術会議資料等）


• 自己教師あり学習によるラベル無し自由発話を用いた構音障害者音声認識

  澤 佑哉, 冨士原 健斗, 相原 龍, 高島 遼一, 滝口 哲也, 本山 信明

  2021年03月, 日本音響学会2021年春季研究発表会講演論文集, 1045 - 1048

  研究論文（その他学術会議資料等）


• Deep Priorを用いた聴覚誘発反応の電流源推定

  山名 莉央, 矢野 肇, 高島 遼一, 滝口 哲也, 中川 誠司

  2021年03月, 日本音響学会2021年春季研究発表会講演論文集, 2021, 679 - 682

  研究論文（その他学術会議資料等）


• クロスチャネル言語識別におけるwav2vecを用いた自己教師あり特徴量学習

  吉本 拓真, 沈 鵬, Lu Xugang, 高島 遼一, 滝口 哲也, 河井 恒

  2021年03月, 日本音響学会2021年春季研究発表会講演論文集, 915 - 916

  研究論文（その他学術会議資料等）


• ルールベースと生成ベースを融合した雑談対話の発話生成手法

  薛強, 滝口哲也, 有木康雄

  2021年03月, 言語処理学会第27回年次大会発表論文集, 1590 - 1592

  研究論文（その他学術会議資料等）


• Pain induces stable, active microcircuits in the somatosensory cortex that provide a therapeutic target

  Takuya Okada, Daisuke Kato, Yuki Nomura, Norihiko Obata, Xiangyu Quan, Akihito Morinaga, Hajime Yano, Zhongtian Guo, Yuki Aoyama, Yoshihisa Tachibana, Andrew J. Moorhouse, Osamu Matoba, Tetsuya Takiguchi, Satoshi Mizobuchi, Hiroaki Wake

  2021年02月, Science Advances, 7(12) (12), 1 - 14

  [査読有り]

  研究論文（学術雑誌）

  神戸大学リポジトリ（Kernel）へのリンク


• Data Augmentation Based on Frequency Warping for Recognition of Cleft Palate Speech.

  Kento Fujiwara, Ryoichi Takashima, Chihiro Sugiyama, Nobukazu Tanaka, Kanji Nohara, Kazunori Nozaki, Tetsuya Takiguchi

  IEEE, 2021年, Asia-Pacific Signal and Information Processing Association Annual Summit and Conference, 471 - 476

  研究論文（国際会議プロシーディングス）


• 誤り訂正に基づく器質性構音障害者の音声認識精度向上の検討

  冨士原健斗, 高島遼一, 杉山千尋, 田中信和, 野原幹司, 野崎一徳, 滝口哲也

  2021年, 日本音響学会研究発表会講演論文集(CD-ROM), 2021


• Investigation of training data size for real-time neural vocoders on CPUs

  Keisuke Matsubara, Takuma Okamoto, Ryoichi Takashima, Tetsuya Takiguchi, Tomoki Toda, Yoshinori Shiga, Hisashi Kawai

  Acoustical Society of Japan, 2021年01月, Acoustical Science and Technology, 42(1) (1), 65 - 68

  研究論文（学術雑誌）


• ゲート制御付きSource-Target Attention を用いた複数知識文に基づく応答文の生成

  佐良 和孝, 滝口 哲也, 有木 康雄

  2020年11月, 人工知能学会 言語・音声理解と対話処理研究会, 20 - 23

  研究論文（研究会，シンポジウム資料等）


• 雑談対話モデルの関連性向上のための関連語を優先した応答文生成手法の検討

  麻生 大聖, 滝口 哲也, 有木 康雄

  2020年11月, 人工知能学会 言語・音声理解と対話処理研究会, 42 - 45

  研究論文（研究会，シンポジウム資料等）


• Dysarthric Speech Recognition Based on Deep Metric Learning

  Yuki Takashima, Ryoichi Takashima, Tetsuya Takiguchi, Yasuo Ariki

  2020年10月, Interspeech, 4796 - 4800

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Opera Singing Voice Synthesis Considering Vowel Variations

  Kenta Katahira, Yuji Adachi, Kiyoto Tai, Ryoichi Takashima, Tetsuya Takiguchi

  2020年10月, IEEE Global Conference on Consumer Electronics, 663 - 664

  [査読有り]

  研究論文（国際会議プロシーディングス）

  神戸大学リポジトリ（Kernel）へのリンク


• Convolutional neural networks Memory Optimization Inference with Splitting Image

  Weihao Zhuang, Tristan Hascoet, Ryoichi Takashima, Tetsuya Takiguchi, Yasuo Ariki

  2020年10月, IEEE Global Conference on Consumer Electronics, 678 - 679

  [査読有り]

  研究論文（国際会議プロシーディングス）


• An Investigation of End-to-End Speech Recognition Using Model Adaptation for Dysarthric Speakers

  Yuya Sawa, Ryoichi Takashima, Tetsuya Takiguchi

  2020年10月, IEEE Global Conference on Consumer Electronics, 712 - 713

  [査読有り]

  研究論文（国際会議プロシーディングス）

  神戸大学リポジトリ（Kernel）へのリンク


• Full-band LPCNet：48kHzリアルタイムニューラルボコーダ

  松原圭亮, 岡本拓磨, 高島遼一, 滝口哲也, 戸田智基, 志賀芳則, 河井 恒

  2020年09月, 日本音響学会2020年秋季研究発表会講演論文集, 2020, 755 - 758

  論文集(書籍)内論文


• アカペラ歌唱における歌唱速度の変化を考慮した歌声合成に関する検討

  片平 健太, 足立 優司, 田井 清登, 高島 遼一, 滝口 哲也

  2020年09月, 日本音響学会2020年秋季研究発表会講演論文集, 875 - 876

  論文集(書籍)内論文


• 構音障害者音声認識における発話辞書適応の検討

  澤 佑哉, 高島 遼一, 滝口 哲也, 有木 康雄

  2020年09月, 日本音響学会2020年秋季研究発表会講演論文集, 805 - 808

  論文集(書籍)内論文


• 構音障害者音声認識における認識モデルの比較評価

  高島 遼一, 有木 康雄, 滝口 哲也

  2020年09月, 日本音響学会2020年秋季研究発表会講演論文集, 809 - 812

  論文集(書籍)内論文


• Quantitative Evaluation of Handwriting Skills During Childhood

  Yusuke Watanabe, Taro Ohtoshi, Tetsuya Takiguchi, Akira Ishikawa, Satoshi Takada

  2020年08月, Kobe Journal of Medical Sciences, 66(2) (2), E49 - E55

  [査読有り]

  研究論文（学術雑誌）

  神戸大学リポジトリ（Kernel）へのリンク


• Two-step acoustic model adaptation for dysarthric speech recognition

  Ryoichi Takashima, Tetsuya Takiguchi, Yasuo Ariki

  2020年05月, 2020 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), 6104 - 6108

  [査読有り]


• Differentiable Programmingを用いた強化学習の最適化

  黄 伊莎, トリスタン ハスクウェト, 高島 遼一, 滝口 哲也, 有木 康雄

  機械学習と関数型プログラミングには多くの類似性を持ち、近年それらを結びつけるDifferentiable Programmingというアイデアが新しく出てきた。この方法はパラメータを直接調節して勾配を求められることが今までと大きく違う。これにより物理シミュレーションなど様々な分野に適用できることが期待されている。私たちは強化学習のベンチマークを用いてDQNの手法とDifferentiable Programmingの手法を比較し、Differentiable programmingの効果及び学習ダイナミクスを調査し説明する。

  2020年03月, 情報処理学会第82回全国大会講演論文集, 2020(1) (1), 267 - 268, 日本語


• 深層距離学習に基づく構音障害者音声認識

  高島 悠樹, 高島 遼一, 滝口 哲也, 有木 康雄

  電子情報通信学会, 2020年03月, 電子情報通信学会技術研究報告, 119(440) (440), 181 - 186, 日本語


• Spillover effects between energies, gold, and stock: the United States versus China

  Xie He, Tetsuya Takiguchi, Tadahiro Nakajima, Shigeyuki Hamori

  SAGE Publications, 2020年03月, Energy & Environment, 0958305X2090708 - 0958305X2090708

  [査読有り]

  研究論文（学術雑誌）


• 自由な歌唱速度の歌声の合成に関する検討

  片平 健太, 足立 優司, 田井 清登, 高島 遼一, 滝口 哲也

  2020年03月, 日本音響学会2020年春季研究発表会講演論文集, 1125 - 1126, 日本語

  研究論文（その他学術会議資料等）


• 少量データを用いた構音障害者音声合成の健常者モデルによる明瞭性改善

  南坂 竜翔, 高島 遼一, 滝口 哲也

  2020年03月, 日本音響学会2020年春季研究発表会講演論文集, 1117 - 1120, 日本語

  研究論文（その他学術会議資料等）


• Hybrid CTC/attentionモデルを用いた構音障害者音声認識の検討

  澤 佑哉, 高島 遼一, 滝口 哲也, 有木 康雄

  2020年03月, 日本音響学会2020年春季研究発表会講演論文集, 967 - 970, 日本語

  研究論文（その他学術会議資料等）


• 聴感印象推定のための脳活動特徴量抽出－テンソル分解による機能的結合の低ランク表現の検討－

  矢野 肇, 高島 遼一, 滝口 哲也, 中川 誠司

  2020年03月, 日本音響学会2020年春季研究発表会講演論文集, 2020, 431 - 434, 日本語

  研究論文（その他学術会議資料等）


• クロスモーダル知識蒸留に基づくLip readingのための教師なしドメイン適応

  高島 悠樹, 相原 龍, 高島 遼一, 滝口 哲也, 有木 康雄, 村山 修

  2020年03月, 日本音響学会2020年春季研究発表会講演論文集, 907 - 910, 日本語

  研究論文（その他学術会議資料等）


• Convolutional Neural Networks を用いた音声想起時の脳磁界データにおける識別的特徴量の検討

  矢野 彩緒里, 高島 遼一, 滝口 哲也, 有木 康雄, 添田 喜治, 中川 誠司

  2020年03月, 日本音響学会2020年春季研究発表会講演論文集, 2020, 507 - 510, 日本語

  研究論文（その他学術会議資料等）


• リアルタイムニューラルボコーダにおける学習データ量の影響の調査

  松原圭亮, 岡本拓磨, 高島遼一, 滝口哲也, 戸田智基, 志賀芳則, 河井 恒

  2020年03月, 日本音響学会2020年春季研究発表会講演論文集, 2020, 1045 - 1048, 日本語

  研究論文（その他学術会議資料等）


• Transfer Learning to Generate Multiple Sentence Question with Leveraging Difference between Datasets

  長谷川公大, 松本剛明, 高島遼一, 滝口哲也, 有木康雄, 三田村照子

  2020年03月, 言語処理学会第26回年次大会発表論文集, 1273 - 1276

  研究論文（その他学術会議資料等）


• 発話スタイルに非依存な文章表現を用いたスタイルロバストなSeq2seqモデルの提案

  古舞千暁, 滝口哲也, 有木康雄

  2020年03月, 言語処理学会第26回年次大会発表論文集, 1348 - 1351

  研究論文（その他学術会議資料等）


• ニューロンセグメンテーションにおけるマルチドメイン学習による汎化性能の改善

  長谷川 貴大, Tristan Hascoet, 高島 遼一, 滝口 哲也, 有木 康雄

  脳全体における神経回路のマッピングの研究であるコネクトミクスにおいて、脳の電子顕微鏡画像から各ニューロンを識別することが重要である。深層学習によるニューロンの自動セグメンテーションに際して、データの取得にもアノテーションにも多大なコストがかかるため、転移学習をさせることが有力な選択肢の1つとなる。本稿では、U-Netと呼ばれる深層学習モデルを用いて、複数のドメインの公開データセットで学習させたモデルの汎化性能を検討した。また、それによって、目標となるドメインのデータセットでの転移学習のコストを低減させつつ、精度を向上させることを試みた。

  2020年02月, 情報処理学会第82回全国大会講演論文集, 2020(1) (1), 169 - 170, 日本語


• Application and evaluation of transfer learning to aquatic insect recognition

  Keiichi Tanida, Tristan Hascoet, Ryoichi Takashima, Tetsuya Takiguchi, Yasuo Ariki, Natsuho Ooe, Takuya Sato

  2020年02月, The 26th Internatioal Workshop on Frontiers of Computer Vision (IW-FCV 2020)

  [査読有り]


• Optimizing the computational efficiency of 3D segmentation models for connectomics

  Weihao Zhuang, Hascoet Tristan, Ryoichi Takashima, Tetsuya Takiguchi, Yasuo Ariki

  2020年02月, The 26th Internatioal Workshop on Frontiers of Computer Vision (IW-FCV 2020)

  [査読有り]


• Adhesive strength estimation from copper surface images

  Xuejiao Deng, Masako Akagi, Tristan Hascoet, Tetsuya Takiguchi, Kiyoto Tai, Yuji Adachi, Ryoichi Takashima, Yasuo Ariki

  2020年02月, The 26th Internatioal Workshop on Frontiers of Computer Vision (IW-FCV 2020)

  [査読有り]


• FasterRCNN Monitoring of Road Damages: Competition and Deployment.

  Tristan Hascoet, Yihao Zhang, Andreas Persch, Ryoichi Takashima, Tetsuya Takiguchi, Yasuo Ariki

  IEEE, 2020年, 2020 IEEE International Conference on Big Data (IEEE BigData 2020), 5545 - 5552

  研究論文（国際会議プロシーディングス）


• Study on the Language Formation Process of Very-Low-Birth-Weight Infants in Infancy Using a Formant Analysis

  Hidetaka Maebayashi, Tetsuya Takiguchi, Satoshi Takada

  2019年11月, Kobe Journal of Medical Sciences, 65(2) (2), E59 - E70

  [査読有り]

  研究論文（学術雑誌）

  神戸大学リポジトリ（Kernel）へのリンク


• 構音障害者音声認識のための健常者音声及び他言語障害者音声を用いた転移学習

  高島 悠樹, 高島 遼一, 滝口 哲也, 有木 康雄

  電子情報通信学会, 2019年10月, 電子情報通信学会技術研究報告, 119(251) (251), 45 - 50, 日本語


• Assisting human experts in the interpretation of their visual process: A case study on assessing copper surface adhesive potency

  Tristan Hascoet, Xuejiao Deng, Kiyoto Tai, Yuji Adachi, Sachiko Nakamura, Tomoko Hayashi, Mari Sugiyama, Yasuo Ariki, Tetsuya Takiguchi

  Institute of Electrical and Electronics Engineers Inc., 2019年10月, Proceedings - 2019 International Conference on Computer Vision Workshop, ICCVW 2019, 4216 - 4225, 英語

  研究論文（国際会議プロシーディングス）


• Layer-Wise Invertibility for Extreme Memory Cost Reduction of CNN Training

  Tristan Hascoet, Quentin Febvre, Weihao Zhuang, Yasuo Ariki, Tetsuya Takiguchi

  2019年10月, Neural Architects Workshop (IEEE ICCV Workshop)

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Emotional Voice Conversion Using Dual Supervised Adversarial Networks With Continuous Wavelet Transform F0 Features

  Zhaojie Luo, Jinhui Chen, Tetsuya Takiguchi, Yasuo Ariki

  2019年10月, IEEE-ACM TRANSACTIONS ON AUDIO SPEECH AND LANGUAGE PROCESSING, 27(10) (10), 1535 - 1548, 英語

  [査読有り]

  研究論文（学術雑誌）


• 構音障害者を対象とした日本語大語彙連続音声認識の検討

  高島遼一, 滝口哲也, 有木康雄

  2019年09月, 日本音響学会2019年秋季研究発表会講演論文集, 863 - 866


• 歌声の母音変化を考慮した歌声合成の検討

  片平健太, 足立優司, 田井清登, 高島遼一, 滝口哲也

  2019年09月, 日本音響学会2019年秋季研究発表会講演論文集, 1007 - 1010


• 構音障害者の少量データを用いた深層学習による音声合成の検討

  南坂竜翔, 高島遼一, 滝口哲也, 有木康雄

  2019年09月, 日本音響学会2019年秋季研究発表会講演論文集, 1011 - 1014


• Speech-to-Speech Translation using Dual Learning and Prosody Conversion

  Zhaojie Luo, Ryoichi Takashima, Tetsuya Takiguchi, Yasuo Ariki

  2019年09月, 日本音響学会2019年秋季研究発表会講演論文集, 1037 - 1040


• Lip readingのためのクロスモーダルTeacher-Student学習

  高島悠樹, 相原龍, 高島遼一, 滝口哲也, 有木康雄, 村山修

  2019年09月, 日本音響学会2019年秋季研究発表会講演論文集, 823 - 826


• 外部知識を用いた雑談対話システムの汎化性能向上の検討

  麻生大聖, 高島遼一, 滝口哲也, 有木康雄

  2019年09月, 日本音響学会2019年秋季研究発表会講演論文集, 1053 - 1056


• 脳磁界データによる音声の識別―想起時と聴取時の比較―

  矢野彩緒里, 高島遼一, 滝口哲也, 有木康雄, 添田喜治, 中川誠司, 中川誠司

  2019年08月, 日本音響学会研究発表会講演論文集(CD-ROM), 2019, ROMBUNNO.3‐P‐13, 日本語


• 空間フィルタによる印象関連脳活動の抽出の試み

  矢野肇, 矢野肇, 高島遼一, 滝口哲也, 神谷勝, 中川誠司

  2019年08月, 日本音響学会研究発表会講演論文集(CD-ROM), 2019, ROMBUNNO.3‐P‐46, 日本語


• Non-parallel dictionary learning for voice conversion using non-negative Tucker decomposition

  Yuki Takashima, Toru Nakashika, Tetsuya Takiguchi, Yasuo Ariki

  Springer, 2019年08月, EURASIP Journal on Audio, Speech, and Music Processing, DOI: 10.1186/s13636-019-0160-1, 1 - 11, 英語

  [査読有り]

  研究論文（学術雑誌）

  神戸大学リポジトリ（Kernel）へのリンク


• WordNetを用いた雑談対話システムの汎化性能の向上

  麻生大聖, 高島遼一, 滝口哲也, 有木康雄

  2019年08月, 電子情報通信学会技術研究報告, 119(188) (188), 19 - 24


• Bidirectional Gated Recurrent Units を用いた歌声合成に関する検討

  片平健太, 足立優司, 田井清登, 高島遼一, 滝口哲也

  2019年07月, 情報処理学会研究報告, 2019-SLP-127(23) (23), 1 - 6


• 小児期における線描スキルの定量的評価に関する研究

  渡邊 雄介, 大歳 太郎, 滝口 哲也, 高田 哲

  (一社)日本小児精神神経学会, 2019年07月, 小児の精神と神経, 59(2) (2), 191 - 198, 日本語

  [査読有り]

  研究論文（学術雑誌）


• Cortical Patterns for Prediction of Subjective Preference Induced by Chords.

  Hajime Yano, Tetsuya Takiguchi, Seiji Nakagawa

  To extract an effective feature in prediction of subjective impressions from single-trial neurophysiological recordings, the spatial filter that extracts brain activities related to impressions were constructed using the common spatial pattern (CSP). We focus on subjective preference induced by chords composed of 3 notes with different frequency ratio. Magnetic cortical activities while hearing chords and comparative judgment on pair of them were measured. The predictive model that predicts the scale value of preference was trained using the CSP-based feature for each participant. The result of the evaluation experiment shows that the CSP-based feature improved the mean prediction accuracy in all participants, compared with the other features without spatially filtering. Furthermore, the capability of construction of a spatial filter that extracts cortical activities varying with degree of preference using the comparative judgments was indicated.

  IEEE, 2019年07月, Conference proceedings : ... Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual Conference, 2019, 5168 - 5171, 英語, 国際誌

  [査読有り]

  研究論文（学術雑誌）


• On Zero-Shot Recognition of Generic Objects

  Tristan Hascoet, Yasuo Ariki, Tetsuya Takiguchi

  2019年06月, IEEE CVPR, 9553 - 9561

  [査読有り]

  研究論文（国際会議プロシーディングス）


• End-To-End Dysarthric Speech Recognition Using Multiple Databases

  Yuki Takashima, Tetsuya Takiguchi, Yasuo Ariki

  2019年05月, IEEE ICASSP, 6395 - 6399

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Generation of Objections Using Topic and Claim Information in Debate Dialogue System

  Kazuaki Furumai, Tetsuya Takiguchi, Yasuo Ariki

  2019年04月, International Workshop on Spoken Dialog System Technology

  [査読有り]

  研究論文（国際会議プロシーディングス）


• 複数データベースを使用したend-to-end構音障害者音声認識

  高島 悠樹, 滝口 哲也, 有木 康雄

  2019年03月, 日本音響学会2019年春季研究発表会講演論文集, 869 - 872, 日本語

  研究論文（その他学術会議資料等）


• 脳磁界計測を用いた聴感印象推定の試み―比較判断の重み付けによる精度向上の検討―

  矢野 肇, 滝口 哲也, 神谷 勝, 中川 誠司

  2019年03月, 日本音響学会2019年春季研究発表会講演論文集, 2019, 499 - 502, 日本語

  研究論文（その他学術会議資料等）


• 深層学習を用いた歌声合成の検討

  片平 健太, 北村 毅, 足立 優司, 田井 清登, 滝口 哲也

  2019年03月, 日本音響学会2019年春季研究発表会講演論文集, 1091 - 1092, 日本語

  研究論文（その他学術会議資料等）


• 議論システムにおける言語モデルを用いた賛成/反対意見の自動生成手法の検討

  古舞 千暁, 滝口 哲也, 有木 康雄

  2019年03月, 日本音響学会2019年春季研究発表会講演論文集, 957 - 960, 日本語

  研究論文（その他学術会議資料等）


• 音声明瞭度に関連した脳磁界反応の時空間特徴量

  嵯峨 直樹, 矢野 肇, 滝口 哲也, 添田 喜治, 中川 誠司

  2019年03月, 日本音響学会2019年春季研究発表会講演論文集, 2019, 549 - 552, 日本語

  研究論文（その他学術会議資料等）


• 音響特徴量補正による構音障害者を対象としたDNN音声合成

  北村 毅, 滝口 哲也

  2019年03月, 日本音響学会2019年春季研究発表会講演論文集, 1095 - 1098, 日本語

  研究論文（その他学術会議資料等）


• ユーザーの発話意図理解に基づくインタビュー発話の生成

  松好祐紀, 滝口哲也, 有木康雄, 瀧 和男, 片桐 恵子

  言語処理学会, 2019年03月, 言語処理学会 第25回年次大会 発表論文集, 1133 - 1136, 日本語

  研究論文（その他学術会議資料等）


• ユーザーの発話意図理解に基づくインタビュー発話の生成

  松好 祐紀, 滝口 哲也, 有木 康雄

  2019年03月, 日本音響学会2019年春季研究発表会講演論文集, 963 - 966, 日本語

  研究論文（その他学術会議資料等）


• マルチタスク学習による雑談対話システムへの知識付与

  麻生 大聖, 滝口 哲也, 有木 康雄

  2019年03月, 日本音響学会2019年春季研究発表会講演論文集, 961 - 962, 日本語

  研究論文（その他学術会議資料等）


• ゼロショット学習を用いた一般物体セグメンテーション

  谷田 啓一, Tristan Hascoet, 滝口 哲也, 有木 康雄

  2019年03月, 情報処理学会第81回全国大会講演論文集, 549 - 550, 日本語

  研究論文（その他学術会議資料等）


• Speech Prosody Conversion using Sequence Generative Adversarial Nets with Continuous Wavelet Transform F0 features

  Zhaojie Luo, Tetsuya Takiguchi, Yasuo Ariki

  2019年03月, 日本音響学会2019年春季研究発表会講演論文集, 1125 - 1128, 英語

  研究論文（その他学術会議資料等）


• Neutral-to-emotional voice conversion with cross-wavelet transform F0 using generative adversarial networks

  Zhaojie Luo, Jinhui Chen, Tetsuya Takiguchi, Yasuo Ariki

  2019年03月, APSIPA TRANSACTIONS ON SIGNAL AND INFORMATION PROCESSING, 8, 英語

  [査読有り]

  研究論文（学術雑誌）

  神戸大学リポジトリ（Kernel）へのリンク


• End-to-end構音障害者音声認識のための複数データベースを用いたデータ拡張

  高島 悠樹, 滝口 哲也, 有木 康雄

  2019年03月, 電子情報通信学会技術研究報告, 118(497) (497), 335 - 340, 日本語

  研究論文（研究会，シンポジウム資料等）


• Affinity graphを用いた神経細胞画像セグメンテーション

  小山 詠未, Tristan Hascoet, 滝口 哲也, 有木 康雄

  2019年03月, 情報処理学会第81回全国大会講演論文集, 543 - 544, 日本語

  研究論文（その他学術会議資料等）


• Polar Transformation on Image Features for Orientation-Invariant Representations

  Jinhui Chen, Zhaojie Luo, Zhihong Zhang, Faliang Huang, Zhiling Ye, Tetsuya Takiguchi, Edwin R. Hancock

  2019年02月, IEEE TRANSACTIONS ON MULTIMEDIA, 21(2) (2), 300 - 313, 英語

  [査読有り]

  研究論文（学術雑誌）


• Exemplar-based Lip-to-Speech Synthesis Using Convolutional Neural Networks

  Yuki Takashima, Tetsuya Takiguchi, Yasuo Ariki

  2019年02月, International Workshop on Frontiers of Computer Vision, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Entropy policy for supervoxel agglomeration of neurite segmentation

  Tristan Hascoet, Baptiste Metge, Tetsuya Takiguchi, Yasuo Ariki

  2019年02月, International Workshop on Frontiers of Computer Vision, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Can We Forecast Daily Oil Futures Prices? Experimental Evidence from Convolutional Neural Networks

  zhaojie luo, Xiaojing Cai, Katsuyuki Tanaka, Tetsuya Takiguchi, Takuji Kinkyo, Shigeyuki Hamori

  2019年01月, Journal of Risk and Financial Management, 12(1) (1), 9 - 9, 英語

  [査読有り]

  研究論文（学術雑誌）

  神戸大学リポジトリ（Kernel）へのリンク


• Knowledge Transferability Between the Speech Data of Persons With Dysarthria Speaking Different Languages for Dysarthric Speech Recognition

  Yuki Takashima, Ryoichi Takashima, Tetsuya Takiguchi, Yasuo Ariki

  Institute of Electrical and Electronics Engineers (IEEE), 2019年, IEEE Access, 7, 164320 - 164326

  [査読有り]

  研究論文（学術雑誌）

  神戸大学リポジトリ（Kernel）へのリンク


• Polar Transformation on Image Features for Orientation-Invariant Representations.

  Jinhui Chen, Zhaojie Luo, Zhihong Zhang, Faliang Huang, Zhiling Ye, Tetsuya Takiguchi, Edwin R. Hancock

  2019年, IEEE Trans. Multimedia, 21(2) (2), 300 - 313

  [査読有り]

  研究論文（学術雑誌）


• Semantic embeddings of generic objects for zero-shot learning

  Tristan Hascoet, Yasuo Ariki, Tetsuya Takiguchi

  2019年01月, EURASIP Journal on Image and Video Processing, 英語

  [査読有り]

  研究論文（学術雑誌）

  神戸大学リポジトリ（Kernel）へのリンク


• Oil Price Forecasting Using Supervised GANs with Continuous Wavelet Transform Features

  Zhaojie Luo, Jinhui Chen, Xiao Jing Cai, Katsuyuki Tanaka, Tetsuya Takiguchi, Takuji Kinkyo, Shigeyuki Hamori

  2018年11月, Proceedings - International Conference on Pattern Recognition, 2018-August, 830 - 835, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Spatiotemporal Characteristics of Cortical Activities Associated with Articulation of Speech Perception.

  Naoki Saga, Hajime Yano, Tetsuya Takiguchi, Yoshiharu Soeta, Seiji Nakagawa

  Recently, brain computer interface (BCI) technologies that control external devices with human brain signals have been developed. However, most of the BCI systems, such as P300-speller, can only discriminate among options that have been given in advance. Therefore, the ability to decode the state of a person's perception and recognition, as well as that person's fundamental intention and emotions, from cortical activity is needed to develop a more general-use BCI system. In this study, two experiments were conducted. First, articulations were measured for Japanese monosyllabic utterances masked by several levels of noise. Second, auditory brain magnetic fields evoked by the monosyllable stimuli used in the first experiment were recorded, and neuronal current sources were localized in regions associated with speech perception and recognition - the auditory cortex (BA41), the Wernicke's area (posterior part of BA22), Broca's area (BA22), motor (BA4), and premotor (BA6) areas. Although the source intensity did not systematically change with SNR, the peak latency changed along SNR in the posterior superior temporal gyrus in the right hemisphere. The results suggest that the information associated with articulation is processed in this area.

  2018年07月, Conference proceedings : ... Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual Conference, 2018, 1066 - 1069, 英語, 国際誌

  [査読有り]

  研究論文（学術雑誌）


• 小児期における線描スキルの定量的評価に関する研究

  渡邊 雄介, 大歳 太郎, 滝口 哲也, 高田 哲

  (一社)日本小児精神神経学会, 2018年04月, 小児の精神と神経, 58(1) (1), 74 - 75, 日本語

  [査読有り]


• 非負値行列因子分解を用いた脳磁界データから音声の復元

  矢野 彩緒里, 滝口 哲也, 有木 康雄, 添田 喜治, 中川 誠司

  2018年03月, 日本音響学会2018年春季研究発表会講演論文集, 2018, 305 - 308, 日本語

  研究論文（その他学術会議資料等）


• 非負値タッカー分解によるNMF辞書学習に基づく非パラレル声質変換

  高島 悠樹, 矢野 肇, 中鹿 亘, 滝口 哲也, 有木 康雄

  2018年03月, 日本音響学会2018年春季研究発表会講演論文集, 211 - 214, 日本語

  研究論文（その他学術会議資料等）


• 単語の分散表現を用いた意味予測に基づく雑談応答生成

  古舞 千暁, 滝口 哲也, 有木 康雄

  2018年03月, 日本音響学会2018年春季研究発表会講演論文集, 169 - 172, 日本語

  研究論文（その他学術会議資料等）


• 構音障害者を対象としたDNN音声合成に関する言語特徴量の検討

  北村 毅, 滝口 哲也, 有木 康雄

  2018年03月, 日本音響学会2018年春季研究発表会講演論文集, 267 - 270, 日本語

  研究論文（その他学術会議資料等）


• 構音障害者の少量学習データによる音声合成の検討

  南坂 竜翔, 滝口 哲也, 有木 康雄

  2018年03月, 日本音響学会2018年春季研究発表会講演論文集, 275 - 278, 日本語

  研究論文（その他学術会議資料等）


• 顔画像特徴量を用いた統計的手法によるF0推定

  羅 里奈, 滝口 哲也, 有木 康雄

  2018年03月, 日本音響学会2018年春季研究発表会講演論文集, 309 - 312, 日本語

  研究論文（その他学術会議資料等）


• 音想起に伴う脳磁界反応：等しいエンベロープをもつ音声と純音の比較

  宇澤 志保美, 滝口 哲也, 有木 康雄, 添田 喜治, 中川 誠司

  2018年03月, 日本音響学会2018年春季研究発表会講演論文集, 2018, 1291 - 1294, 日本語

  研究論文（その他学術会議資料等）


• 音想起に係る脳磁界反応の比較 ～ 等しいエンベロープをもつ音声と純音 ～

  宇澤 志保美, 滝口 哲也, 有木 康雄, 添田 喜治, 中川 誠司

  2018年03月, 電子情報通信学会技術研究報告, 117(517) (517), 81 - 86, 日本語

  研究論文（研究会，シンポジウム資料等）


• 音声明瞭度に関連した大脳皮質活動の時空間的遷移

  嵯峨 直樹, 矢野 肇, 滝口 哲也, 有木 康雄, 添田 喜治, 中川 誠司

  2018年03月, 日本音響学会2018年春季研究発表会講演論文集, 2018, 1329 - 1332, 日本語

  研究論文（その他学術会議資料等）


• ハイスピード映像からの音源復元のための物体振動抽出手法の検討

  安見 祐亮, 滝口 哲也, 有木 康雄

  2018年03月, 日本音響学会2018年春季研究発表会講演論文集, 597 - 600, 日本語

  研究論文（その他学術会議資料等）


• ニュース情報検索システム「NetTv」のための議論対話システムー賛否判定と根拠推定に基づく議論ー

  丸本 理貴人, 田中 克幸, 滝口 哲也, 有木 康雄

  2018年03月, 日本音響学会2018年春季研究発表会講演論文集, 201 - 204, 日本語

  研究論文（その他学術会議資料等）


• エアコン音の聴感印象推定のためのコヒーレンス解析に基づく脳活動特徴量抽出

  矢野 肇, 滝口 哲也, 有木 康雄, 神谷 勝, 中川 誠司

  2018年03月, 日本音響学会2018年春季研究発表会講演論文集, 2018, 755 - 758, 日本語

  研究論文（その他学術会議資料等）


• Visually grounded word embeddings for zero-shot learning of visual categories

  Hascoet Tristan, Yasuo Ariki, Tetsuya Takiguchi

  2018年03月, IPSJ SIG-CVIM, 1 - 4, 英語

  研究論文（研究会，シンポジウム資料等）


• LipNet構造を用いた唇画像から音声への変換

  伊藤 大貴, 滝口 哲也, 有木 康雄

  2018年03月, 日本音響学会2018年春季研究発表会講演論文集, 347 - 350, 日本語

  研究論文（その他学術会議資料等）


• EMOTIONAL VOICE CONVERSION WITH WAVELET TRANSFORM USING DUAL SUPERVISED ADVERSARIAL NETWORKS

  Zhaojie Luo, Tetsuya Takiguchi, Yasuo Ariki

  2018年03月, 日本音響学会2018年春季研究発表会講演論文集, 365 - 368, 英語

  研究論文（その他学術会議資料等）


• Convolutional Neural Networksによる物体の微小振動からの音声復元

  布施 陽平, 滝口 哲也, 有木 康雄

  2018年03月, 日本音響学会2018年春季研究発表会講演論文集, 593 - 596, 日本語

  研究論文（その他学術会議資料等）


• Attention-based LSTMを用いた音声質問応答システムにおけるユーザーの質問意図理解

  松好 祐紀, 滝口 哲也, 有木 康雄

  2018年03月, 日本音響学会2018年春季研究発表会講演論文集, 173 - 176, 日本語

  研究論文（その他学術会議資料等）


• Zero-shot learning using dictionary definitions

  Tristan Hascoet, Yasuo Ariki, Tetsuya Takiguchi

  2018年02月, International Workshop on Frontiers of Computer Vision, 4 pages, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Satellite Image Semantic Segmentation Using Fully Convolutional Network

  Atsushi Yoshihara, Tristan Hascoet, Tetsuya Takiguchi, Yasuo Ariki

  2018年02月, International Workshop on Frontiers of Computer Vision, 4 pages, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Estimation of Object Functions Using Visual Attention

  Ryunosuke Azuma, Tetsuya Takiguchi, Yasuo Ariki

  2018年02月, International Workshop on Frontiers of Computer Vision, 4 pages, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• An AI-based Approach to Auto-analyzing Historical Handwritten Business Documents: As Applied to the Kanebo Database

  CHEN Jinhui, KAMIHIGASHI Takashi, ITOH Munehiko, TAKATSUKI Yasuo, TAKIGUCHI Tetsuya

  Springer, 2018年01月, Journal of Computational Social Science, 1(1) (1), 167 - 185, 英語

  [査読有り]

  研究論文（学術雑誌）


• 非負値行列因子分解に基づく構音障害者音声の高域付加の検討

  高島 悠樹, 滝口 哲也, 有木 康雄

  2018年, 日本音響学会2018年秋季研究発表会講演論文集, 1309 - 1312, 日本語

  研究論文（その他学術会議資料等）


• 脳磁界データの空間的特徴を考慮した想起音声の識別

  矢野 彩緒里, 滝口 哲也, 有木 康雄, 添田 喜治, 中川 誠司

  2018年, 日本音響学会2018年秋季研究発表会講演論文集, 2018, 885 - 888, 日本語

  研究論文（その他学術会議資料等）


• 深層学習を用いた歌声音声の帯域強調の検討

  北村 毅, 足立 優司, 田井 清登, 滝口 哲也

  2018年, 日本音響学会2018年秋季研究発表会講演論文集, 1201 - 1204, 日本語

  研究論文（その他学術会議資料等）


• 議論システムにおける賛成／反対意見の生成手法の検討

  古舞 千暁, 有木 康雄, 滝口 哲也

  2018年, 人工知能学会 言語・音声理解と対話処理研究会, 82 - 83, 日本語

  研究論文（研究会，シンポジウム資料等）


• 議論システムにおける賛成/反対意見の生成のための発話のベクトル化手法の検討

  古舞 千暁, 滝口 哲也, 有木 康雄

  2018年, 日本音響学会2018年秋季研究発表会講演論文集, 1033 - 1036, 日本語

  研究論文（その他学術会議資料等）


• 音声明瞭度に関連した脳磁界反応：聴覚野および知覚性言語野の活動解析

  嵯峨 直樹, 矢野 肇, 滝口 哲也, 添田 喜治, 中川 誠司

  2018年, 日本音響学会2018年秋季研究発表会講演論文集, 2018, 485 - 488, 日本語

  研究論文（その他学術会議資料等）


• 映像中の物体振動モードを利用した音源復元

  布施 陽平, 安見 祐亮, 滝口 哲也

  2018年, 電子情報通信学会技術研究報告, 118(112) (112), 19 - 24, 日本語

  研究論文（研究会，シンポジウム資料等）


• ユーザーの発話意図理解に基づくインタビュー発話の 生成に向けて

  松好 祐紀, 滝口 哲也, 有木 康雄

  2018年, 人工知能学会 言語・音声理解と対話処理研究会, 84 - 85, 日本語

  研究論文（研究会，シンポジウム資料等）


• User's Intention Understanding in Question-Answering System Using Attention-based LSTM

  Yuki Matsuyoshi, Tetsuya Takiguchi, Yasuo Ariki

  2018年, APSIPA, 1752 - 1755, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Spectrum Enhancement of Singing Voice Using Deep Learning

  Ryuka Nanzaka, Tsuyoshi Kitamura, Yuji Adachi, Kiyoto Tai, Tetsuya Takiguchi

  2018年, IEEE ISM, 167 - 170, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Sound Recovery Using Vibration Modes of the Object in a Video

  Yohei Fuse, Yusuke Yasumi, Tetsuya Takiguchi

  2018年, APSIPA, 2027 - 2031, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Sound Recovery Considering the Vibration Direction of an Object in a Video

  Yohei Fuse, Yusuke Yasumi, Tetsuya Takiguchi

  2018年, IEEE ISM, 171 - 174, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Parallel-Data-Free Dictionary Learning for Voice Conversion Using Non-Negative Tucker Decomposition

  Yuki Takashima, Hajime Yano, Toru Nakashika, Tetsuya Takiguchi, Yasuo Ariki

  IEEE, 2018年, IEEE ICASSP, 5294 - 5298, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Neutral-to-Emotional Voice Conversion with Latent Representations of F0 using Generative Adversarial Networks

  Zhaojie Luo, Tetsuya Takiguchi, Yasuo Ariki

  2018年, 日本音響学会2018年秋季研究発表会講演論文集, 1191 - 1194, 日本語

  研究論文（その他学術会議資料等）


• Multilinear Discriminant Analysisを用いた聴感印象推定のための脳活動特徴量抽出

  矢野 肇, 滝口 哲也, 有木 康雄, 神谷 勝, 中川 誠司

  2018年, 日本音響学会2018年秋季研究発表会講演論文集, 2018, 381 - 384, 日本語

  研究論文（その他学術会議資料等）


• Hybrid Text-to-Speech for Articulation Disorders with a Small Amount of Non-Parallel Data

  Ryuka Nanzaka, Tetsuya Takiguchi

  2018年, APSIPA, 1761 - 1765, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Debate Dialog for News Question Answering System ‘NetTv’ -Debate Based on Claim and Reason Estimation-

  Rikito Marumoto, Katsuyuki Tanaka, Tetsuya Takiguchi, Yasuo Ariki

  2018年, International Workshop on Spoken Dialog System Technology, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• CycleGANに基づくノンパラレル声質変換を用いた構音障害者音声合成

  南坂 竜翔, 滝口 哲也, 有木 康雄

  2018年, 日本音響学会2018年秋季研究発表会講演論文集, 1185 - 1188, 日本語

  研究論文（その他学術会議資料等）


• Chat Response Generation Based on Semantic Prediction Using Distributed Representations of Words

  Kazuaki Furumai, Tetsuya Takiguchi, Yasuo Ariki

  2018年, International Workshop on Spoken Dialog System Technology, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Attention-based LSTMを用いた意図理解とキーワード抽出の統合による質問応答システム

  松好 祐紀, 滝口 哲也, 有木 康雄

  2018年, 電子情報通信学会技術研究報告, 118(198) (198), 9 - 14, 日本語

  研究論文（研究会，シンポジウム資料等）


• 小児期における線描スキルの定量的評価に関する研究

  渡邊 雄介, 大歳 太郎, 山本 暁生, 滝口 哲也, 高田 哲

  (一社)日本小児精神神経学会, 2017年11月, 日本小児精神神経学会プログラム・抄録集, 118回, 41 - 41, 日本語


• Rotation-reversal invariant HOG cascade for facial expression recognition

  Jinhui Chen, Tetsuya Takiguchi, Yasuo Ariki

  2017年11月, SIGNAL IMAGE AND VIDEO PROCESSING, 11(8) (8), 1485 - 1492, 英語

  [査読有り]

  研究論文（学術雑誌）


• Detecting Abnormal Word Utterances in Children With Autism Spectrum Disorders: Machine-LearningBased Voice Analysis Versus Speech Therapists

  Yasushi Nakai, Tetsuya Takiguchi, Gakuyo Matsui, Noriko Yamaoka, Satoshi Takada

  2017年10月, PERCEPTUAL AND MOTOR SKILLS, 124(5) (5), 961 - 973, 英語

  [査読有り]

  研究論文（学術雑誌）


• ポスター講演 日本語音声想起に伴う脳磁界データの判別と特徴量推定 (音声)

  宇澤 志保美, 滝口 哲也, 有木 康雄, 中川 誠司

  電子情報通信学会, 2017年08月, 電子情報通信学会技術研究報告 = IEICE technical report : 信学技報, 117(189) (189), 39 - 43, 日本語

  研究論文（研究会，シンポジウム資料等）


• Discriminant Non-negative Tensor Factorizationを用いたエアコン音の印象関連脳活動の抽出 (音声) -- (オーガナイズドセッション「音の認知・知覚機能の情報処理」(一般講演))

  矢野 肇, 滝口 哲也, 有木 康雄, 神谷 勝, 中川 誠司

  電子情報通信学会, 2017年08月, 電子情報通信学会技術研究報告 = IEICE technical report : 信学技報, 117(189) (189), 61 - 66, 日本語

  研究論文（研究会，シンポジウム資料等）


• Emotional voice conversion using neural networks with arbitrary scales F0 based on wavelet transform

  Zhaojie Luo, Jinhui Chen, Tetsuya Takiguchi, Yasuo Ariki

  2017年08月, EURASIP JOURNAL ON AUDIO SPEECH AND MUSIC PROCESSING, 2017, 1 - 13, 英語

  [査読有り]

  研究論文（学術雑誌）

  神戸大学リポジトリ（Kernel）へのリンク


• Spatiotemporal properties of magnetic fields induced by auditory speech sound imagery and perception.

  Shihomi Uzawa, Tetsuya Takiguchi, Yasuo Ariki, Seiji Nakagawa

  Brain computer interface (BCI) technologies, which enable direct communication between the brain and external devices, have been developed. BCI technology can be utilized in neural prosthetics to restore impaired movement, including speech production. However, most of the BCI systems that have been developed are the "P300-speller" type, which can only detect objects that users direct his/her attention at. To develop more versatile BCI systems that can detect a user's intention or thoughts, the brain responses associated with verbal imagery need to be clarified. In this study, the brain magnetic fields associated with auditory verbal imagery and speech hearing were recorded using magnetoencephalography (MEG) carried out on 8 healthy adults. Although the magnetic fields lagged slightly and were long-lasting, significant deflections were observed even for verbal imagery, in the temporal regions, as well as for actual speech hearing. Also, sources for the deflections were localized in the association auditory cortices. Cross-correlations were calculated between envelopes of the imagined/presented speech sound and the evoked brain responses in the temporal areas. Measurable correlations were obtained for the presented speech sound; however, no significant correlations were observed for the imagined speech sound. These results indicate that auditory verbal imagery undoubtedly activates the auditory cortex, at least, and generates some observable neural responses.

  2017年07月, Conference proceedings : ... Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual Conference, 2017, 2542 - 2545, 英語, 国際誌

  [査読有り]

  研究論文（学術雑誌）


• 小児期における書字スキルの定量的評価

  渡邊 雄介, 大歳 太郎, 山本 暁生, 滝口 哲也, 高田 哲

  (一社)日本小児神経学会, 2017年05月, 脳と発達, 49(Suppl)(Suppl.) (Suppl.), S469 - S469, 日本語

  [査読有り]

  研究論文（その他学術会議資料等）


• 話者性を維持した構音障害者のためのHMM音声合成システム

  上田 怜奈, 滝口 哲也, 有木 康雄

  電子情報通信学会, 2017年03月, 電子情報通信学会技術研究報告, 116(477) (477), 301 - 306, 日本語

  研究論文（研究会，シンポジウム資料等）


• 料理アシスト対話システムにおけるユーザ発話のクラス分類

  山田 燿司, 滝口 哲也, 有木 康雄

  2017年03月, 日本音響学会2017年春季研究発表会講演論文集, 159 - 162, 日本語

  研究論文（その他学術会議資料等）


• 脳磁界計測を用いたエアコン音の聴感印象推定の試み ―比較判断を用いた印象予測モデルの学習―

  矢野 肇, 滝口 哲也, 有木 康雄, 神谷 勝, 中川 誠司

  2017年03月, 日本音響学会2017年春季研究発表会講演論文集, 2017, 539 - 542, 日本語

  研究論文（その他学術会議資料等）


• 脳磁界計測による音声明瞭度に関連した皮質活動の推定

  嵯峨 直樹, 矢野 肇, 滝口 哲也, 有木 康雄, 添田 善治, SOETA Yoshiharu, 中川 誠司

  2017年03月, 日本音響学会2017年春季研究発表会講演論文集, 2017, 1515 - 1518, 日本語

  研究論文（その他学術会議資料等）


• 適応型Gaussian-Gaussian RBMを用いた構音障害者音声認識

  高島 悠樹, 中鹿 亘, 滝口 哲也, 有木 康雄

  2017年03月, 日本音響学会2017年春季研究発表会講演論文集, 95 - 98, 日本語

  研究論文（その他学術会議資料等）


• 声質変換のための音素識別的特徴量

  相原 龍, 滝口 哲也, 有木 康雄

  2017年03月, 日本音響学会2017年春季研究発表会講演論文集, 359 - 362, 日本語

  研究論文（その他学術会議資料等）


• 声質変換における非周期性指標の影響とその評価

  伊藤 大貴, 滝口 哲也, 有木 康雄

  2017年03月, 日本音響学会2017年春季研究発表会講演論文集, 363 - 366, 日本語

  研究論文（その他学術会議資料等）


• 最尤変換による唇動画像からの音声生成

  羅 里奈, 相原 龍, 滝口 哲也, 有木 康雄

  2017年03月, 日本音響学会2017年春季研究発表会講演論文集, 373 - 376, 日本語

  研究論文（その他学術会議資料等）


• 構音障害者音声認識のための適応型restricted Boltzmann machineを用いた特徴量抽出

  高島 悠樹, 滝口 哲也, 有木 康雄

  電子情報通信学会, 2017年03月, 電子情報通信学会技術研究報告, 116(477) (477), 321 - 326, 日本語

  研究論文（研究会，シンポジウム資料等）


• 構音障害者のための話者性を維持したHMM音声合成システムの提案

  上田 怜奈, 滝口 哲也, 有木 康雄

  2017年03月, 日本音響学会2017年春季研究発表会講演論文集, 267 - 270, 日本語

  研究論文（その他学術会議資料等）


• 構音障害者のためのDurationを含んだ統計的声質変換

  相原 龍, 滝口 哲也, 有木 康雄

  電子情報通信学会, 2017年03月, 電子情報通信学会技術研究報告, 116(477) (477), 307 - 312, 日本語

  研究論文（研究会，シンポジウム資料等）


• 音源復元のための映像中の微小振動方向の解析

  安見 祐亮, 滝口 哲也, 有木 康雄

  2017年03月, 日本音響学会2017年春季研究発表会講演論文集, 557 - 558, 日本語

  研究論文（その他学術会議資料等）


• 音の想起に伴う脳磁界反応：想起音の基礎パラメータの影響の検討

  宇澤 志保美, 滝口 哲也, 有木 康雄, 中川 誠司

  2017年03月, 日本音響学会2017年春季研究発表会講演論文集, 2017, 1523 - 1526, 日本語

  研究論文（その他学術会議資料等）


• ユーザーに対話的なサポートを行うシステム -オセロゲームの場合について-

  松好 祐紀, 滝口 哲也, 有木 康雄

  2017年03月, 日本音響学会2017年春季研究発表会講演論文集, 163 - 166, 日本語

  研究論文（その他学術会議資料等）


• ニュース情報検索「NetTv」における質問種別の推定

  丸本 理貴人, 田中 克幸, 滝口 哲也, 有木 康雄

  2017年03月, 日本音響学会2017年春季研究発表会講演論文集, 155 - 158, 日本語

  研究論文（その他学術会議資料等）


• DNNを用いた聴覚障害者の音声合成の検討

  北村 毅, 滝口 哲也, 有木 康雄

  2017年03月, 日本音響学会2017年春季研究発表会講演論文集, 285 - 288, 日本語

  研究論文（その他学術会議資料等）


• Arbitrary-scales continuous wavelet transform for emotional voice conversion

  羅 兆傑, 滝口 哲也, 有木 康雄

  2017年03月, 日本音響学会2017年春季研究発表会講演論文集, 377 - 380, 英語

  研究論文（その他学術会議資料等）


• Visual Sound Recovery Using Momentary Phase Variations

  Yusuke Yasumi, Tetsuya Takiguchi, Yasuo Ariki

  2017年02月, International Workshop on Frontiers of Computer Vision, 1 - 4, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Feature Extraction and Classification of Multispectral Imagery by Using Convolutional Neural Network

  Atsushi Yoshihara, Tetsuya Takiguchi, Yasuo Ariki

  2017年02月, International Workshop on Frontiers of Computer Vision, 1 - 4, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Estimation of Object Functions Focusing on Feature of Object Parts

  Ryunosuke Azuma, Tetsuya Takiguchi, Yasuo Ariki

  2017年02月, International Workshop on Frontiers of Computer Vision, 1 - 4, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• 脳磁界データによる想起音声の識別 －次元数削減による精度向上の検討－

  宇澤 志保美, 滝口 哲也, 有木 康雄, 中川 誠司

  2017年, 日本音響学会2017年秋季研究発表会講演論文集, 2017, 337 - 340, 日本語

  研究論文（その他学術会議資料等）


• 人の理解や習熟をサポートする音声質問応答システム

  松好 祐紀, 滝口 哲也, 有木 康雄

  2017年, 人工知能学会 言語・音声理解と対話処理研究会, 90 - 91, 日本語

  研究論文（研究会，シンポジウム資料等）


• 深層学習による位相情報を考慮した音声合成の検討

  李 権俊, 滝口 哲也, 有木 康雄

  2017年, 日本音響学会2017年秋季研究発表会講演論文集, 281 - 284, 日本語

  研究論文（その他学術会議資料等）


• 重度難聴者音声認識のためのDeep Canonical Correration Analysisを用いた音響特徴量抽出の検討

  高島 悠樹, 滝口 哲也, 有木 康雄

  2017年, 日本音響学会2017年秋季研究発表会講演論文集, 119 - 122, 日本語

  研究論文（その他学術会議資料等）


• 音声明瞭度に関連した脳磁界計測 －聴覚野および運動野における活動源解析－

  嵯峨 直樹, 矢野 肇, 滝口 哲也, 有木 康雄, 添田 喜治, 中川 誠司

  2017年, 日本音響学会2017年秋季研究発表会講演論文集, 2017, 683 - 686, 日本語

  研究論文（その他学術会議資料等）


• ユーザー支援を目的とした音声質問応答システム

  松好 祐紀, 滝口 哲也, 有木 康雄

  2017年, 日本音響学会2017年秋季研究発表会講演論文集, 141 - 144, 日本語

  研究論文（その他学術会議資料等）


• ニュース情報検索システム「NetTv」における議論対話システム実現のためのユーザ主張・根拠の推定

  丸本 理貴人, 田中 克幸, 滝口 哲也, 有木 康雄

  2017年, 人工知能学会 言語・音声理解と対話処理研究会, 92 - 93, 日本語

  研究論文（研究会，シンポジウム資料等）


• エアコン音の聴感印象推定のための比較判断を考慮した脳活動特徴量抽出

  矢野 肇, 滝口 哲也, 有木 康雄, 神谷 勝, 中川 誠司

  2017年, 日本音響学会2017年秋季研究発表会講演論文集, 2017, 573 - 576, 日本語

  研究論文（その他学術会議資料等）


• Visual-to-Speech Conversion Based on Maximum Likelihood Estimation

  Rina Ra, Ryo Aihara, Tetsuya Takiguchi, Yasuo Ariki

  2017年, IAPR International Conference on Machine Vision Applications, 488 - 491, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Semantic Web and Zero-Shot Learning of Large Scale Visual Classes

  Tristan Hascoet, Yasuo Ariki, Tetsuya Takiguchi

  2017年, First International Workshop on Symbolic-Neural Learning, 1 - 6, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Phoneme-discriminative features for dysarthric speech conversion

  Ryo Aihara, Tetsuya Takiguchi, Yasuo Ariki

  International Speech Communication Association, 2017年, Proceedings of the Annual Conference of the International Speech Communication Association, INTERSPEECH, 2017-, 3374 - 3378, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Individuality-Preserving Speech Synthesis System for Hearing Loss Using Deep Neural Networks

  Tsuyoshi Kitamura, Tetsuya Takiguchi, Yasuo Ariki, Kiyohiro Omori

  2017年, 1st International Workshop on Challenges in Hearing Assistive Technology, 95 - 99, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Facial Expression Recognition with deep age.

  Zhaojie Luo, Jinhui Chen, Tetsuya Takiguchi, Yasuo Ariki

  IEEE Computer Society, 2017年, The Second Workshop on Human Identification in Multimedia, 657 - 662, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Evaluation of auditory impressions induced by HVAC sound using predictive model

  YANO Hajime, TAKIGUCHI Tetsuya, ARIKI Yasuo, KAMIYA Masaru, NAKAGAWA Seiji

  The evaluation of subjective impressions induced by environmental sounds using neurophysiological indices has been proposed in recent years. In this paper, we focus on the evaluation of HVAC (heating, ventilation and air conditioning) sounds, and models that predict subjective coolness/preference induced by time-varying HVAC sound from brain activities were constructed. First, magnetoencephalographic (MEG) measurements were carried out to measure brain activities while hearing HVAC sound with paired comparison task. Second, feature vectors representing time-frequency components of brain activities on the whole head were extracted from MEG data using the time-frequency analysis and nonnegative tensor factorization (NTF). And third, two kinds of predictive model were constructed from the brain feature vectors and comparative judgments to pairs of stimuli using a regression model or an SVM-based method. Evaluation experiments show that the SVM-based method is more effective than the regression model.

  公益社団法人 日本生体医工学会, 2017年, 生体医工学, 55(0) (0), 522 - 523, 英語

  研究論文（その他学術会議資料等）


• Emotional Voice Conversion with Adaptive Scales F0 based on Wavelet Transform using Limited Amount of Emotional Data

  Zhaojie Luo, Tetsuya Takiguchi, Yasuo Ariki

  2017年, 日本音響学会2017年秋季研究発表会講演論文集, 227 - 230, 英語

  研究論文（その他学術会議資料等）


• Emotional Voice Conversion with Adaptive Scales F0 Based on Wavelet Transform Using Limited Amount of Emotional Data.

  Zhaojie Luo, Jinhui Chen, Tetsuya Takiguchi, Yasuo Ariki

  ISCA, 2017年, Interspeech, 3399 - 3403, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• CNN-LSTMを用いた唇画像から音声への変換

  伊藤 大貴, 滝口 哲也, 有木 康雄

  2017年, 日本音響学会2017年秋季研究発表会講演論文集, 305 - 308, 日本語

  研究論文（その他学術会議資料等）


• Audio-Visual Speech Recognition for a Person with Severe Hearing Loss Using Deep Canonical Correlation Analysis

  Yuki Takashima, Tetsuya Takiguchi, Yasuo Ariki, Kiyohiro Omori

  2017年, 1st International Workshop on Challenges in Hearing Assistive Technology, 71 - 81, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• A Bayesian nonparametric multimodal data modeling framework for video emotion recognition.

  Jianfei Xue, Zhaojie Luo, Koji Eguchi, Tetsuya Takiguchi, Tsukasa Omoto

  IEEE Computer Society, 2017年, Proceedings of the 2017 IEEE International Conference on Multimedia and Expo (ICME 2017), 601 - 606, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Non-Parallel Training in Voice Conversion Using an Adaptive Restricted Boltzmann Machine

  Toru Nakashika, Tetsuya Takiguchi, Yasuhiro Minami

  2016年11月, IEEE-ACM TRANSACTIONS ON AUDIO SPEECH AND LANGUAGE PROCESSING, 24(11) (11), 2032 - 2045, 英語

  [査読有り]

  研究論文（学術雑誌）


• 話速補正に基づく話者性を維持した構音障害者のための音声合成システム

  上田 怜奈, 滝口 哲也, 有木 康雄

  2016年09月, 日本音響学会2016年秋季研究発表会講演論文集, 229 - 232, 日本語

  研究論文（その他学術会議資料等）


• 複素NMFを用いた声質変換の検討

  李 権俊, 相原 龍, 滝口 哲也, 有木 康雄

  2016年09月, 日本音響学会2016年秋季研究発表会講演論文集, 277 - 280, 日本語

  研究論文（その他学術会議資料等）


• 非負値行列因子分解に基づく声質変換のためのGraph Embeddingを用いたパラレル辞書学習

  相原 龍, 滝口 哲也, 有木 康雄

  2016年09月, 日本音響学会2016年秋季研究発表会講演論文集, 155 - 158, 日本語

  研究論文（その他学術会議資料等）


• 非負値行列因子を用いたマルチモーダル声質変換における画像特徴量の検討

  羅 里奈, 相原 龍, 滝口 哲也, 有木 康雄

  2016年09月, 日本音響学会2016年秋季研究発表会講演論文集, 273 - 276, 日本語

  研究論文（その他学術会議資料等）


• 脳磁界計測を用いたエアコン音の聴感印象推定の試み －非負値テンソル分解による関連脳活動の抽出－

  矢野 肇, 滝口 哲也, 有木 康雄, 神谷 勝, 中川 誠司

  2016年09月, 日本音響学会2016年秋季研究発表会講演論文集, 2016, 673 - 676, 日本語

  研究論文（その他学術会議資料等）


• 脳磁界データからの想起音声の判別に係る特徴量の推定 －ウェーブレット変換とSVMによる解析－

  宇澤 志保美, 滝口 哲也, 有木 康雄, 中川 誠司

  2016年09月, 日本音響学会2016年秋季研究発表会講演論文集, 2016, 621 - 624, 日本語

  研究論文（その他学術会議資料等）


• Factored 3-Way Restricted Boltzmann Machine を用いたマルチモーダル音声認識の検討

  高島 悠樹, 中鹿 亘, 滝口 哲也, 有木 康雄

  2016年09月, 日本音響学会2016年秋季研究発表会講演論文集, 109 - 112, 日本語

  研究論文（その他学術会議資料等）


• Emotional Voice Conversion Using Neural Networks with Different Temporal Scales of F0 based on Wavelet Transform

  Zhaojie Luo, Tetsuya Takiguchi, Yasuo Ariki, Toru Nakashika

  2016年09月, ISCA Speech Synthesis Workshop, 153 - 158, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Dysarthric Speech Modification Using Parallel Utterance Based on Non-negative Temporal Decomposition

  Ryo Aihara, Tetsuya Takiguchi, Yasuo Ariki

  2016年09月, Workshop on Speech and Language Processing for Assistive Technologies, 75 - 79, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• ポスター講演 非負値テンソル分解を用いたエアコン音の印象関連脳活動の抽出 (音声)

  矢野 肇, 滝口 哲也, 有木 康雄, 保手浜 拓也, 神谷 勝, 中川 誠司

  電子情報通信学会, 2016年08月, 電子情報通信学会技術研究報告 = IEICE technical report : 信学技報, 116(189) (189), 37 - 40, 日本語

  研究論文（研究会，シンポジウム資料等）


• SIFT Boosting for Handwriting Recognition

  CHEN Jinhui, KAMIHIGASHI Takashi, ITOH Munehiko, TAKATSUKI Yasuo, TAKIGUCHI Tetsuya, ARIKI Yasuo

  2016年08月, MIRU 2016, PS2-48, 英語

  研究論文（国際会議プロシーディングス）


• Non-Parallel Training in Voice Conversion Using an Adaptive Restricted Boltzmann Machine

  Toru Nakashika, Tetsuya Takiguchi, Yasuhiro Minami

  2016年08月, IEEE/ACM Transactions on Audio, Speech and Language Processing, 23(3) (3), 1 - 14, 英語

  [査読有り]

  研究論文（学術雑誌）


• Discriminative Graph-embedded Non-negative Matrix Factorizationを用いた声質変換のためのパラレル辞書学習

  相原 龍, 滝口 哲也, 有木 康雄

  電子情報通信学会, 2016年08月, 電子情報通信学会技術研究報告, 116(189) (189), 59 - 64, 日本語

  研究論文（研究会，シンポジウム資料等）


• Multiple Non-Negative Matrix Factorization for Many-to-Many Voice Conversion

  Ryo Aihara, Tetsuya Takiguchi, Yasuo Ariki

  2016年07月, IEEE-ACM TRANSACTIONS ON AUDIO SPEECH AND LANGUAGE PROCESSING, 24(7) (7), 1175 - 1184, 英語

  [査読有り]

  研究論文（学術雑誌）


• 音声想起に伴う誘発脳磁界の時空間的特性

  宇澤 志保美, 滝口 哲也, 有木 康雄, 中川 誠司

  日本生体磁気学会, 2016年06月, 日本生体磁気学会誌, 29(1) (1), 104 - 105, 日本語

  研究論文（その他学術会議資料等）


• エアコン音の聴感印象と自発脳磁界のERS/ERDの関係

  矢野肇, 滝口 哲也, 有木 康雄, 保手浜 拓也, 神谷 勝, 中川 誠司

  2016年06月, 第31回日本生体磁気学会大会論文集, 29(1) (1), 74 - 75, 日本語, 国際共著していない

  研究論文（その他学術会議資料等）


• Semi-non-negative matrix factorization using alternating direction method of multipliers for voice conversion

  Ryo Aihara, Tetsuya Takiguchi, Yasuo Ariki

  Institute of Electrical and Electronics Engineers Inc., 2016年05月, ICASSP, IEEE International Conference on Acoustics, Speech and Signal Processing - Proceedings, 2016-(ICASSP) (ICASSP), 5170 - 5174, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Modeling deep bidirectional relationships for image classification and generation

  Toru Nakashika, Tetsuya Takiguchi, Yasuo Ariki

  Institute of Electrical and Electronics Engineers Inc., 2016年05月, ICASSP, IEEE International Conference on Acoustics, Speech and Signal Processing - Proceedings, 2016-(ICASSP) (ICASSP), 1327 - 1331, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• LLC Revisit: Scene Classification with k-Farthest Neighbours

  Katsuyuki Tanaka, Tetsuya Takiguchi, Yasuo Ariki

  2016年05月, IEICE TRANSACTIONS ON INFORMATION AND SYSTEMS, E99D(5) (5), 1375 - 1383, 英語

  [査読有り]

  研究論文（学術雑誌）


• 音素選択型スペクトル補正に基づく話者性を維持した構音障害者のための音声合成システム

  上田 怜奈, 滝口 哲也, 有木 康雄

  2016年03月, 日本音響学会2016年春季研究発表会講演論文集, 299 - 302, 日本語

  研究論文（その他学術会議資料等）


• 音声想起による誘発脳磁界の計測

  宇澤 志保美, 滝口 哲也, 有木 康雄, 中川 誠司

  2016年03月, 日本音響学会2016年春季研究発表会講演論文集, 2016-3, 531 - 532, 日本語, 国際共著していない

  研究論文（その他学術会議資料等）


• ハイスピード映像中の物体振動を利用したvisual microphoneの検討

  安見 祐亮, 滝口 哲也, 有木 康雄

  2016年03月, 日本音響学会2016年春季研究発表会講演論文集, 1309 - 1310, 日本語

  研究論文（その他学術会議資料等）


• タスク指向型対話システムにおける強化学習とニューラルネットワークの比較

  山田 燿司, 滝口 哲也, 有木 康雄

  2016年03月, 日本音響学会2016年春季研究発表会講演論文集, 99 - 102, 日本語

  研究論文（その他学術会議資料等）


• スパースパラレル学習を用いたマルチモーダル声質変換

  真坂 健太, 相原 龍, 滝口 哲也, 有木 康雄

  2016年03月, 日本音響学会2016年春季研究発表会講演論文集, 321 - 324, 日本語

  研究論文（その他学術会議資料等）


• エアコン音の聴感印象関連領域の探索 －脳磁界の時間周波数解析に基づく推定－

  矢野 肇, 滝口 哲也, 有木 康雄, 保手浜 拓也, 神谷 勝, 中川 誠司

  2016年03月, 日本音響学会2016年春季研究発表会講演論文集, 511 - 514, 日本語

  研究論文（その他学術会議資料等）


• Restricted Boltzmann Machine を用いた話者性・雑音を考慮したモデリングの検討

  高島 悠樹, 中鹿 亘, 滝口 哲也, 有木 康雄

  2016年03月, 日本音響学会2016年春季研究発表会講演論文集, 299 - 302, 日本語

  研究論文（その他学術会議資料等）


• Emotional Speech Conversion Using Deep Neural Networks

  LUO Zhaojie, TAKIGUCHI Tetsuya, ARIKI Yasuo

  2016年03月, 日本音響学会2016年春季研究発表会講演論文集, 351 - 354, 英語

  研究論文（その他学術会議資料等）


• Alternating Direction Method of MultipliersによるNMF声質変換のためのパラレル辞書学習

  相原 龍, 滝口 哲也, 有木 康雄

  2016年03月, 日本音響学会2016年春季研究発表会講演論文集, 325 - 328, 日本語

  研究論文（その他学術会議資料等）


• ADMMを用いたNMFによる雑音環境下での少量パラレルデータ声質変換

  李 権俊, 相原 龍, 滝口 哲也, 有木 康雄

  2016年03月, 日本音響学会2016年春季研究発表会講演論文集, 333 - 336, 日本語

  研究論文（その他学術会議資料等）


• Estimation of Object Functions Using Convolutional Neural Network

  KITANO Yosuke, TAKIGUCHI Tetsuya, ARIKI Yasuo

  2016年02月, Korea-Japan joint Workshop on Frontiers of Computer Vision, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• MODELING DEEP BIDIRECTIONAL RELATIONSHIPS FOR IMAGE CLASSIFICATION AND GENERATION

  Toru Nakashika, Tetsuya Takiguchi, Yasuo Ariki

  2016年, 2016 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH AND SIGNAL PROCESSING PROCEEDINGS, 1327 - 1331, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• SEMI-NON-NEGATIVE MATRIX FACTORIZATION USING ALTERNATING DIRECTION METHOD OF MULTIPLIERS FOR VOICE CONVERSION

  Ryo Aihara, Tetsuya Takiguchi, Yasuo Ariki

  2016年, 2016 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH AND SIGNAL PROCESSING PROCEEDINGS, 5170 - 5174, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Parallel Dictionary Learning for Multimodal Voice Conversion Using Matrix Factorization

  Ryo Aihara, Kenta Masaka, Tetsuya Takiguchi, Yasuo Ariki

  2016年, COMPUTER AND INFORMATION SCIENCE, 656, 27 - 40, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Phone Labeling Based on the Probabilistic Representation for Dysarthric Speech Recognition

  Yuki Takashima, Toru Nakashika, Tetsuya Takiguchi, Yasuo Ariki

  2016年, American Journal of Signal Processing, 6(1) (1), 19 - 23, 英語

  [査読有り]

  研究論文（学術雑誌）


• Selection of an Optimum Random Matrix Using a Genetic Algorithm for Acoustic Feature Extraction

  Yuichiro Kataoka, Toru Nakashika, Ryo Aihara, Tetsuya Takiguchi, Yasuo Ariki

  2016年, 2016 IEEE/ACIS 15TH INTERNATIONAL CONFERENCE ON COMPUTER AND INFORMATION SCIENCE (ICIS), 983 - 988, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Lip Reading Using a Dynamic Feature of Lip Images and Convolutional Neural Networks

  Yiting Li, Yuki Takashima, Tetsuya Takiguchi, Yasuo Ariki

  2016年, 2016 IEEE/ACIS 15TH INTERNATIONAL CONFERENCE ON COMPUTER AND INFORMATION SCIENCE (ICIS), 971 - 976, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Emotional voice conversion using deep neural networks with MCC and F0 features.

  Zhaojie Luo, Tetsuya Takiguchi, Yasuo Ariki

  IEEE Computer Society, 2016年, International Conference on Computer and Information Science, 1 - 5, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Parallel Dictionary Learning for Voice Conversion Using Discriminative Graph-embedded Non-negative Matrix Factorization

  Ryo Aihara, Tetsuya Takiguchi, Yasuo Ariki

  2016年, 17TH ANNUAL CONFERENCE OF THE INTERNATIONAL SPEECH COMMUNICATION ASSOCIATION (INTERSPEECH 2016), VOLS 1-5, 08-12-September-2016, 292 - 296, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Audio-Visual Speech Recognition Using Bimodal-Trained Bottleneck Features for a Person with Severe Hearing Loss

  Yuki Takashima, Ryo Aihara, Tetsuya Takiguchi, Yasuo Ariki, Nobuyuki Mitani, Kiyohiro Omori, Kaoru Nakazono

  2016年, 17TH ANNUAL CONFERENCE OF THE INTERNATIONAL SPEECH COMMUNICATION ASSOCIATION (INTERSPEECH 2016), VOLS 1-5, 08-12-September-2016, 277 - 281, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Multithreading cascade of SURF for facial expression recognition.

  Jinhui Chen, Zhaojie Luo, Tetsuya Takiguchi, Yasuo Ariki

  2016年, EURASIP J. Image and Video Processing, 2016(1) (1), 37 - 37, 英語

  [査読有り]

  研究論文（学術雑誌）

  神戸大学リポジトリ（Kernel）へのリンク


• Expression Recognition with Ri-HOG Cascade.

  Jinhui Chen, Zhaojie Luo, Tetsuya Takiguchi, Yasuo Ariki

  Springer, 2016年, Workshop on Computer Vision for Affective Computing, 517 - 530, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Small-parallel exemplar-based voice conversion in noisy environments using affine non-negative matrix factorization

  Ryo Aihara, Takao Fujii, Toru Nakashika, Tetsuya Takiguchi, Yasuo Ariki

  2015年11月, EURASIP JOURNAL ON AUDIO SPEECH AND MUSIC PROCESSING, 2015(1) (1), 1 - 9, 英語

  [査読有り]

  研究論文（学術雑誌）

  神戸大学リポジトリ（Kernel）へのリンク


• Multimodal voice conversion based on non-negative matrix factorization

  Kenta Masaka, Ryo Aihara, Tetsuya Takiguchi, Yasuo Ariki

  2015年09月, EURASIP JOURNAL ON AUDIO SPEECH AND MUSIC PROCESSING, 2015(1) (1), 英語

  [査読有り]

  研究論文（学術雑誌）

  神戸大学リポジトリ（Kernel）へのリンク


• Multimodal voice conversion based on non-negative matrix factorization

  Kenta Masaka, Ryo Aihara, Tetsuya Takiguchi, Yasuo Ariki

  2015年09月, EURASIP JOURNAL ON AUDIO SPEECH AND MUSIC PROCESSING, 2749 - 2753, 英語

  [査読有り]

  研究論文（学術雑誌）

  神戸大学リポジトリ（Kernel）へのリンク


• Feature Extraction Using Pre-Trained Convolutive Bottleneck Nets for Dysarthric Speech Recognition

  Yuki Takashima, Toru Nakashika, Tetsuya Takiguchi, Yasuo Ariki

  2015年08月, The 23rd European Signal Processing Conference (EUSIPCO), 1426 - 1430, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Individuality-preserving voice conversion for articulation disorders using phoneme-categorized exemplars

  Ryo Aihara, Tetsuya Takiguchi, Yasuo Ariki

  Association for Computing Machinery, 2015年05月, ACM Transactions on Accessible Computing, 6(4) (4), 英語

  [査読有り]

  研究論文（学術雑誌）


• Voice conversion using RNN pre-trained by recurrent temporal restricted boltzmann machines

  Toru Nakashika, Tetsuya Takiguchi, Yasuo Ariki

  Institute of Electrical and Electronics Engineers Inc., 2015年03月, IEEE Transactions on Audio, Speech and Language Processing, 23(3) (3), 580 - 587, 英語

  [査読有り]

  研究論文（学術雑誌）


• Voice Conversion Using RNN Pre-Trained by Recurrent Temporal Restricted Boltzmann Machines

  Toru Nakashika, Tetsuya Takiguchi, Yasuo Ariki

  2015年03月, IEEE-ACM TRANSACTIONS ON AUDIO SPEECH AND LANGUAGE PROCESSING, 23(3) (3), 580 - 587, 英語

  [査読有り]

  研究論文（学術雑誌）


• A robust SVM classification framework using PSM for multi-class recognition

  Jinhui Chen, Tetsuya Takiguchi, Yasuo Ariki

  2015年03月, EURASIP JOURNAL ON IMAGE AND VIDEO PROCESSING, 2015(1) (1), 1 - 12, 英語

  [査読有り]

  研究論文（学術雑誌）

  神戸大学リポジトリ（Kernel）へのリンク


• Voice conversion using speaker-dependent conditional restricted Boltzmann machine

  Toru Nakashika, Tetsuya Takiguchi, Yasuo Ariki

  2015年02月, EURASIP JOURNAL ON AUDIO SPEECH AND MUSIC PROCESSING, 2015(1) (1), 英語

  [査読有り]

  研究論文（学術雑誌）

  神戸大学リポジトリ（Kernel）へのリンク


• A Robust Learning Framework Using PSM and Ameliorated SVMs for Emotional Recognition

  Jinhui Chen, Yosuke Kitano, Yiting Li, Tetsuya Takiguchi, Yasuo Ariki

  2015年, COMPUTER VISION - ACCV 2014 WORKSHOPS, PT II, 9009, 629 - 643, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• 話者適応に基づく日本人英語発話の認識、合成

  上田 怜奈, 滝口 哲也, 有木 康雄

  2015年, 日本音響学会2015年春季研究発表会講演論文集, 381 - 382, 日本語

  研究論文（その他学術会議資料等）


• 話者正規化学習に基づく潜在的音韻情報を考慮した音声モデリングによる非パラレル声質変換

  中鹿 亘, 滝口 哲也

  2015年, 日本音響学会2015年秋季研究発表会講演論文集, 223 - 236, 日本語

  研究論文（その他学術会議資料等）


• 非負値行列因子分解に基づく唇動画像からの音声生成

  真坂 健太, 相原 龍, 滝口 哲也, 有木 康雄

  2015年, 日本音響学会2015年春季研究発表会講演論文集, 389 - 392, 日本語

  研究論文（その他学術会議資料等）


• 脳磁界計測を用いたエアコン音の聴感印象推定の試み －線形回帰による関連脳活動の抽出－

  矢野 肇, 滝口 哲也, 有木 康雄, 保手浜 拓也, 神谷 勝, 中川 誠司

  2015年, 日本音響学会2015年秋季研究発表会講演論文集, 485 - 488, 日本語

  研究論文（その他学術会議資料等）


• 任意話者を対象としたExemplar-based声質変換

  相原 龍, 滝口 哲也, 有木 康雄

  2015年, 電子情報通信学会技術研究報告, 115(253) (253), 1 - 6, 日本語

  研究論文（研究会，シンポジウム資料等）


• 適応型 Restricted Boltzmann Machine を用いたパラレルデータフリーな任意話者声質変換

  中鹿 亘, 滝口 哲也, 有木 康雄

  2015年, 日本音響学会2015年春季研究発表会講演論文集, 279 - 282, 日本語

  研究論文（その他学術会議資料等）


• 制約付きThree-Way Restricted Boltzmann Machineを用いた音響・音韻・話者情報の同時モデリング

  中鹿 亘, 滝口 哲也

  2015年, 電子情報通信学会技術研究報告, 115(346) (346), 7 - 12, 日本語

  研究論文（研究会，シンポジウム資料等）


• 状態空間の分割と状態遷移の学習に基づく Parallel POMDPの評価

  山田 燿司, 滝口 哲也, 有木 康雄

  2015年, 電子情報通信学会技術研究報告, 115(253) (253), 39 - 43, 日本語

  研究論文（研究会，シンポジウム資料等）


• 状態空間の分割と状態遷移の学習に基づくParallel POMDP

  山田 燿司, 滝口 哲也, 有木 康雄

  2015年, 日本音響学会2015年秋季研究発表会講演論文集, 185 - 188, 日本語

  研究論文（その他学術会議資料等）


• 少量のパラレルデータを用いたNon-negative Matrix Factorizationによる雑音環境下の声質変換

  藤井 貴生, 相原 龍, 中鹿 亘, 滝口 哲也, 有木 康雄

  2015年, 日本音響学会2015年春季研究発表会講演論文集, 393 - 396, 日本語

  研究論文（その他学術会議資料等）


• 構音障害者音声認識のための混合正規分布に基づく音素ラベリングの検討

  高島 悠樹, 中鹿 亘, 滝口 哲也, 有木 康雄

  2015年, 電子情報通信学会技術研究報告, 115(99) (99), 71 - 76, 日本語

  研究論文（研究会，シンポジウム資料等）


• 構音障害者音声認識のための確率表現に基づく音素ラベリングの検討

  高島 悠樹, 中鹿 亘, 滝口 哲也, 有木 康雄

  2015年, 日本音響学会2015年秋季研究発表会講演論文集, 1243 - 1246, 日本語

  研究論文（その他学術会議資料等）


• 階層的POMDPを用いた商品検索型音声対話システムの検討

  山田 耀司, 滝口 哲也, 有木 康雄

  2015年, 日本音響学会2015年春季研究発表会講演論文集, 193 - 196, 日本語

  研究論文（その他学術会議資料等）


• β-NMFを用いた唇動画像からの音声生成

  真坂 健太, 相原 龍, 滝口 哲也, 有木 康雄

  2015年, 日本音響学会2015年秋季研究発表会講演論文集, 285 - 288, 日本語

  研究論文（その他学術会議資料等）


• スペクトル補正に基づく話者性を維持した構音障害者のための音声合成システム

  上田 怜奈, 滝口 哲也, 有木 康雄

  2015年, 日本音響学会2015年秋季研究発表会講演論文集, 267 - 270, 日本語

  研究論文（その他学術会議資料等）


• エアコン音の時間変動が主観印象および大脳皮質活動に及ぼす影響

  矢野 肇, 滝口 哲也, 有木 康雄, 神谷 勝, 保手浜 拓也, 中川 誠司

  2015年, 日本音響学会2015年春季研究発表会講演論文集, 503 - 504, 日本語

  研究論文（その他学術会議資料等）


• Word-Error Correction of Continuous Speech Recognition based on Normalized Relevance Distance

  房安陽平, 田中 克幸, 滝口 哲也, 有木 康雄

  2015年, International Joint Conference on Artificial Intelligence, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• SPOKEN DIALOGUE SYSTEM FOR PRODUCT RECOMMENDATION USING HIERARCHICAL POMDP

  YAMADA Yoji, TAKIGUCHI Tetsuya, ARIKI Yasuo

  2015年, MLSLP, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• SPARSE NONLINEAR REPRESENTATION FOR VOICE CONVERSION

  Toru Nakashika, Tetsuya Takiguchi, Yasuo Ariki

  2015年, 2015 IEEE INTERNATIONAL CONFERENCE ON MULTIMEDIA & EXPO (ICME), 2015-August, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Rotation-invariant histograms of oriented gradients for local patch robust representation.

  Zhaojie Luo, Jinhui Chen, Tetsuya Takiguchi, Yasuo Ariki

  IEEE, 2015年, APSIPA, 196 - 199, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Relationships between Subjective Auditory Impression and Brain Cortical Activities for Time-varying HVAC Sound

  YANO Hajime, HOTEHAMA Takuya, TAKIGUCHI Tetsuya, ARIKI Yasuo, KAMIYA Masaru, NAKAGAWA Seiji

  2015年, IEEE EMBC, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Parallel-Data-Free, Many-To-Many Voice Conversion Using an Adaptive Restricted Boltzmann Machine

  NAKASHIKA Toru, TAKIGUCHI Tetsuya, ARIKI Yasuo

  2015年, MLSLP, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Normalized Similarity Distance を用いた音声認識の謝り訂正

  房安 陽平, 田中 克幸, 滝口 哲也, 有木 康雄

  2015年, 日本音響学会2015年春季研究発表会講演論文集, 31 - 34, 日本語

  研究論文（その他学術会議資料等）


• Normalized Relevance Distance を用いた音声認識の誤り訂正

  房安 陽平, 滝口 哲也, 有木 康雄

  2015年, 日本音響学会2015年秋季研究発表会講演論文集, 163 - 166, 日本語

  研究論文（その他学術会議資料等）


• NOISE-ROBUST VOICE CONVERSION USING A SMALL PARALLE DATA BASED ON NON-NEGATIVE MATRIX FACTORIZATION

  Ryo Aihara, Takao Fujii, Toru Nakashika, Tetsuya Takiguchi, Yasuo Ariki

  2015年, 2015 23RD EUROPEAN SIGNAL PROCESSING CONFERENCE (EUSIPCO), 315 - 319, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• MULTITHREADING ADABOOST FRAMEWORK FOR OBJECT RECOGNITION

  Jinhui Chen, Tetsuya Takiguchi, Yasuo Ariki

  2015年, 2015 IEEE INTERNATIONAL CONFERENCE ON IMAGE PROCESSING (ICIP), 2015-December, 1235 - 1239, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Multiple Non-negative Matrix Factorizationに基づく多対一声質変換

  相原 龍, 滝口 哲也, 有木 康雄

  2015年, 日本音響学会2015年春季研究発表会講演論文集, 275 - 278, 日本語

  研究論文（その他学術会議資料等）


• MANY-TO-ONE VOICE CONVERSION USING EXEMPLAR-BASED SPARSE REPRESENTATION

  Ryo Aihara, Tetsuya Takiguchi, Yasuo Ariki

  2015年, 2015 IEEE WORKSHOP ON APPLICATIONS OF SIGNAL PROCESSING TO AUDIO AND ACOUSTICS (WASPAA), 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• LIP-TO-SPEECH SYNTHESIS USING LOCALITY-CONSTRAINT NON-NEGATIVE MATRIX FACTORIZATION

  AIHARA Ryo, MASAKA Kenta, TAKIGUCHI Tetsuya, ARIKI Yasuo

  2015年, MLSLP, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Individuality-Preserving Voice Reconstruction for Articulation Disorders Using Text-to-Speech Synthesis

  Reina Ueda, Tetsuya Takiguchi, Yasuo Ariki

  2015年, ICMI'15: PROCEEDINGS OF THE 2015 ACM INTERNATIONAL CONFERENCE ON MULTIMODAL INTERACTION, 343 - 346, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Individuality-Preserving Spectrum Modification for Articulation Disorders Using Phone Selective Synthesis

  UEDA Reina, AIHARA Ryo, TAKIGUCHI Tetsuya, ARIKI Yasuo

  2015年, SLPAT, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Home Appliance Control Using Speech Recognition for a Person with an Articulation Disorder

  AIHARA Ryo, TAKASHIMA Yuki, TAKIGUCHI Tetsuya, ARIKI Yasuo

  2015年, ISEM, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• FEATURE EXTRACTION USING PRE-TRAINED CONVOLUTIVE BOTTLENECK NETS FOR DYSARTHRIC SPEECH RECOGNITION

  Yuki Takashima, Toru Nakashika, Tetsuya Takiguchi, Yasuo Ariki

  2015年, 2015 23RD EUROPEAN SIGNAL PROCESSING CONFERENCE (EUSIPCO), 1411 - 1415, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Facial Expression Recognition with Multithreaded Cascade of Rotation-invariant HOG

  Jinhui Chen, Tetsuya Takiguchi, Yasuo Ariki

  2015年, 2015 INTERNATIONAL CONFERENCE ON AFFECTIVE COMPUTING AND INTELLIGENT INTERACTION (ACII), 636 - 642, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Deep Boltzmann Machine を用いた音素ラベル情報推定

  高島 悠樹, 中鹿 亘, 滝口 哲也, 有木 康雄

  2015年, 日本音響学会2015年春季研究発表会講演論文集, 3 - 6, 日本語

  研究論文（その他学術会議資料等）


• Convolutional Neural Networkを用いた重度難聴者のマルチモーダル音声認識

  柿原 康博, 滝口 哲也, 有木 康雄, 三谷 信之, 大森 清博, 中園 薫

  2015年, 日本音響学会2015年春季研究発表会講演論文集, 197 - 200, 日本語

  研究論文（その他学術会議資料等）


• Content-based Image Retrieval Using Rotation-invariant Histograms of Oriented Gradients

  Jinhui Chen, Toru Nakashika, Tetsuya Takiguchi, Yasuo Ariki

  2015年, ICMR'15: PROCEEDINGS OF THE 2015 ACM INTERNATIONAL CONFERENCE ON MULTIMEDIA RETRIEVAL, 443 - 446, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Audio-visual speech recognition using convolutive bottleneck networks for a person with severe hearing loss

  Yuki Takashima, Yasuhiro Kakihara, Ryo Aihara, Tetsuya Takiguchi, Yasuo Ariki, Nobuyuki Mitani, Kiyohiro Omori, Kaoru Nakazono

  Information Processing Society of Japan, 2015年, IPSJ Transactions on Computer Vision and Applications, 7, 64 - 68, 英語

  [査読有り]

  研究論文（学術雑誌）


• ACTIVITY-MAPPING NON-NEGATIVE MATRIX FACTORIZATION FOR EXEMPLAR-BASED VOICE CONVERSION

  Ryo Aihara, Tetsuya Takiguchi, Yasuo Ariki

  2015年, 2015 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH, AND SIGNAL PROCESSING (ICASSP), 2015-August, 4899 - 4903, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Investigation of Classification Using Pitch Features for Children with Autism Spectrum Disorders and Typically Developing Children

  KAKIHARA Yasuhiro, TAKIGUCHI Tetsuya, ARIKI Yasuo

  2015年01月, American Journal of Signal Processing, 5(1) (1), 1 - 5, 英語

  [査読有り]

  研究論文（学術雑誌）


• Estimation of Object Functions Using Deformable Part Model

  Yosuke Kitano, Tetsuya Takiguchi, Yasuo Ariki

  2015年, 2015 21ST KOREA-JAPAN JOINT WORKSHOP ON FRONTIERS OF COMPUTER VISION, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Error Correction of Automatic Speech Recognition Based on Normalized Web Distance

  BYAMBAKHISHIG Enkhbolor, TANAKA Katsuyuki, AIHARA Ryo, NAKASHIKA Toru, TAKIGUCHI Tetsuya, ARIKI Yasuo

  2014年09月, Proceedings of the 15th Conference of the International Speech Communication Association (Interspeech 2014), 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Voice Conversion Based on Speaker-Dependent Restricted Boltzmann Machines

  Toru Nakashika, Tetsuya Takiguchi, Yasuo Ariki

  2014年06月, IEICE TRANSACTIONS ON INFORMATION AND SYSTEMS, E97D(6) (6), 1403 - 1410, 英語

  [査読有り]

  研究論文（学術雑誌）


• Noise-Robust Voice Conversion Based on Sparse Spectral Mapping Using Non-negative Matrix Factorization

  Ryo Aihara, Ryoichi Takashima, Tetsuya Takiguchi, Yasuo Ariki

  2014年06月, IEICE TRANSACTIONS ON INFORMATION AND SYSTEMS, E97D(6) (6), 1411 - 1418, 英語

  [査読有り]

  研究論文（学術雑誌）


• Parallel Dictionary Learning Using a Joint Density Restricted Boltzmann Machine for Sparse-Representation-Based Voice Conversion

  NAKASHIKA Toru, TAKIGUCHI Tetsuya, ARIKI Yasuo

  2014年06月, Advances in Computer Science and Engineering, 12(2) (2), 101 - 117, 英語

  [査読有り]

  研究論文（学術雑誌）


• 極低出生体重児における共同注意行動の発達とその評価法の検討 チェックリストを用いたビデオ映像の観察による評価

  山岡 紀子, 川崎 絵里香, 中塚 志麻, 滝口 哲也, 中井 靖, 高田 哲

  (一社)日本小児神経学会, 2014年05月, 脳と発達, 46(Suppl.) (Suppl.), S282 - S282, 日本語


• 話者適応を用いたNMFによる声質変換

  藤井 貴生, 相原 龍, 中鹿 亘, 滝口 哲也, 有木 康雄

  本稿では，話者適応を用いたNMFによる声質変換手法を提案する．我々が提案してきた従来のNMFによる声質変換手法では，入力話者と出力話者の同一発話内容のパラレルデータを用いることが前提となっていた．つまり，対応する任意の話者の大量のデータをあらかじめ用意しておかなければならないという問題点があった．そこで，出力話者の少量の音声データのみを辞書適応に用いることで，入力話者辞書から出力話者辞書を生成する手法を提案する．評価実験では，話者適応を用いた本手法の有効性を示す．

  日本音響学会, 2014年03月, 日本音響学会2014年春季研究発表会講演論文集, 421 - 424, 日本語

  研究論文（その他学術会議資料等）


• 様々なRandom行列を用いた構音障害者の音声特徴量抽出

  片岡 悠一郎, 吉岡 利也, 滝口 哲也, 有木 康雄

  提案手法では，様々な分布から作成したランダム写像行列を用いて音声特徴量を変換することで，認識結果がどのように変化するのかを見る．各々の特徴量を用いて音声認識を行い，各認識結果を投票により統合することで最適な認識結果を得る．

  日本音響学会, 2014年03月, 日本音響学会2014年春季研究発表会講演論文集, 241 - 242, 日本語

  研究論文（その他学術会議資料等）


• 声質変換のための Restricted Boltzmann Machine を用いた パラレル辞書の学習法

  中鹿 亘, 滝口 哲也, 有木 康雄

  本稿では，スパース表現に基づく声質変換において，パラレル辞書の作成・選択を統一的な枠組みで行うために，結合型RBM(restricted Boltzmann machine)を用いた声質変換法を提案する．

  日本音響学会, 2014年03月, 日本音響学会2014年春季研究発表会講演論文集, 415 - 416, 日本語

  研究論文（その他学術会議資料等）


• 辞書選択型ＮＭＦを用いた構音障害者の話者性を維持した声質変換

  相原 龍, 滝口 哲也, 有木 康雄

  本論文ではアテトーゼ型構音障害者を対象として，辞書選択を用いたNMF声質変換による話者性を維持した声質変換を提案する．出力話者のカテゴリ辞書のうち，子音に関するカテゴリ辞書のみに健常者のスペクトルを用い，母音に関するカテゴリ辞書に障害者のスペクトルを用いることで，障害者の話者性を維持した声質変換を行う．以下，第2章で従来のNMF声質変換手法を説明する．第3章で本稿の提案手法を述べた後，第4章で従来のGMM・NMFによる声質変換手法と比較し，第5章で本稿をまとめる．

  日本音響学会, 2014年03月, 日本音響学会2014年春季研究発表会講演論文集, 459 - 462, 日本語

  研究論文（その他学術会議資料等）


• ピッチ特徴量を用いた自閉症スペクトラム障害児と定型発達児の識別

  柿原 康博, 滝口 哲也, 有木 康雄, 中井 靖, 高田 哲

  本研究では，ピッチ特徴量を入力とし，SVMを用いて自閉症スペクトラム障害児と定型発達児の識別を行う．本稿では，ピッチ特徴量として，音声データから得られたピッチ系列とそのデルタ系列のそれぞれに対して，12種類の統計量を計算したものを用いて，区間分割による識別実験と単語毎の識別実験を行った．

  日本音響学会, 2014年03月, 日本音響学会2014年春季研究発表会講演論文集, 467 - 470, 日本語

  研究論文（その他学術会議資料等）


• Normalized web distanceを用いた音声認識誤り訂正法

  エンフボロル ビャムバヒシグ, 田中 克幸, 滝口 哲也, 有木 康雄

  本稿では，従来のConfusion Networkに基づく音声認識誤り訂正で,ヌル遷移による短距離訂正の劣化と,文脈スコアを計算するためのコーパスの必要性という問題点を指摘し,これらの問題点を解決するために以下の２つのアプローチで認識誤りの削減をねらう.１つ目は,離れた単語も視野に入れ訂正する長距離文脈スコアとしてNormalized Web Distanceを用いる.Normalized Web Distanceは学習コーパスとして, World Wide Web,検索エンジンなど様々なデータベースを利用することができるため,コーパスを用意する必要がなく,計算も簡単にできるというメリットがある.２つ目は,短距離訂正で有効であるN-gram学習において,悪影響を及ぼすヌル遷移をテストデータから効率的に削除することにより,その効果を改善することで音声認

  2014年03月, 第8回音声ドキュメント処理ワークショップ, 1 - 7, 日本語

  研究論文（研究会，シンポジウム資料等）


• NMFに基づく音声と画像情報を用いた雑音下声質変換

  真坂 健太, 相原 龍, 滝口 哲也, 有木 康雄

  本稿では，雑音環境下に強いNMF基づく声質変換に唇画像特徴を組み込んだ手法を提案する．ここでは入力音声の発話前後の非音声区間から雑音辞書を構築し，入力として与えられる雑音重畳音声を入力音声辞書と雑音辞書のスパースな表現にする．この入力音声と辞書から推定される重み行列のうち，音声辞書に関する重みのみを取り出し，出力話者の音声サンプルから構築した出力音声辞書との線形結合をとる．更に本手法では，入力話者の画像特徴から得られた唇画像辞書を導入することで変換精度をより向上させる．

  日本音響学会, 2014年03月, 日本音響学会2014年春季研究発表会講演論文集, 417 - 420, 日本語

  研究論文（その他学術会議資料等）


• Convolutive Bottleneck Network 特徴量を用いた構音障害者の音声認識

  吉岡 利也, 中鹿 亘, 滝口 哲也, 有木 康雄

  本論文では，構音障害者を対象とした音声認識の実現に向けて，障害者音響モデルを用いた認識実験を行う．さらに，筋肉の緊張により発話が変動しやすいという障害者特有の問題に対して，ボトルネックの構成を持つCNN(CBN)を用いた特徴量抽出法を提案する．

  日本音響学会, 2014年03月, 日本音響学会2014年春季研究発表会講演論文集, 237 - 240, 日本語

  研究論文（その他学術会議資料等）


• Hierarchical Sparse Representation for Object Recognition

  NAKASHIKA Toru, OKUMURA Takeshi, TAKIGUCHI Tetsuya, ARIKI Yasuo

  2014年02月, Transactions on Machine Learning and Artificial Intelligence, 2(1) (1), 46 - 60, 英語

  [査読有り]

  研究論文（学術雑誌）


• A preliminary demonstration of exemplar-based voice conversion for articulation disorders using an individuality-preserving dictionary

  Ryo Aihara, Ryoichi Takashima, Tetsuya Takiguchi, Yasuo Ariki

  2014年02月, EURASIP JOURNAL ON AUDIO SPEECH AND MUSIC PROCESSING, 2014, 英語

  [査読有り]

  研究論文（学術雑誌）

  神戸大学リポジトリ（Kernel）へのリンク


• 話者適応型 Restricted Boltzmann Machine を用いた声質変換の検討

  中鹿 亘, 滝口 哲也, 有木 康雄

  2014年, 電子情報通信学会技術研究報告, 114(365) (365), 165 - 170, 日本語

  研究論文（研究会，シンポジウム資料等）


• 話者適応を用いたNMFによる雑音環境下の声質変換

  藤井 貴生, 相原 龍, 中鹿 亘, 滝口 哲也, 有木 康雄

  日本音響学会, 2014年, 日本音響学会2014年秋季研究発表会講演論文集, 345 - 348, 日本語

  研究論文（その他学術会議資料等）


• 話者依存型 Recurrent Temporal Restricted Boltzmann Machine を用いた声質変換

  中鹿 亘, 滝口 哲也, 有木 康雄

  日本音響学会, 2014年, 日本音響学会2014年秋季研究発表会講演論文集, 219 - 222, 日本語

  研究論文（その他学術会議資料等）


• 発話に不自由のある聴覚障害者の発話音声認識の検討

  柿原 康博, 滝口 哲也, 有木 康雄, 三谷 信之, 大森 清博

  2014年, 日本音響学会2014年秋季研究発表会講演論文集, 109 - 110, 日本語

  研究論文（その他学術会議資料等）


• 雑音環境下における特徴重み付マルチモーダル性質変換

  真坂 健太, 相原 龍, 滝口 哲也, 有木 康雄

  2014年, 電子情報通信学会技術研究報告, 114(365) (365), 87 - 92, 日本語

  研究論文（研究会，シンポジウム資料等）


• 遺伝的アルゴリズムを用いた 構音障害者の音声特徴量抽出に最適なランダム行列の生成

  片岡 悠一郎, 中鹿 亘, 滝口 哲也, 有木 康雄

  日本音響学会, 2014年, 日本音響学会2014年秋季研究発表会講演論文集, 83 - 86, 日本語

  研究論文（その他学術会議資料等）


• ハイスピードカメラ画像を用いたマルチモーダルNMF声質変換

  真坂 健太, 相原 龍, 滝口 哲也, 有木 康雄

  日本音響学会, 2014年, 日本音響学会2014年秋季研究発表会講演論文集, 349 - 352, 日本語

  研究論文（その他学術会議資料等）


• スパース表現に基づく声質変換のための結合型 restricted Boltzmann machine

  中鹿 亘, 滝口 哲也, 有木 康雄

  2014年, 電子情報通信学会技術研究報告, 114(52) (52), 343 - 348, 日本語

  研究論文（研究会，シンポジウム資料等）


• スパース表現に基づく声質変換と構音障害者への応用

  滝口 哲也

  近年,信号処理の分野においてスパース表現に基づくアプローチが注目され,例えば音声信号処理では,非負値行列因子分解が音源分離や雑音抑圧などに用いられている.本稿では,スパース表現に基づく非負値行列因子分解を用いた声質変換を紹介し,また脳性麻痺構音障害者の音声に適用した研究について述べる.更に近年注目を集めているDeep Learningの基礎技術となるrestricted Boltzmann machineを用いた声質変換を紹介する.

  一般社団法人電子情報通信学会, 2014年, 電子情報通信学会技術研究報告, 114(151) (151), 19 - 24, 日本語

  [招待有り]

  研究論文（研究会，シンポジウム資料等）


• スパース辞書学習による構音障害者の話者性を維持した声質変換

  相原 龍, 滝口 哲也, 有木 康雄

  本研究では,アテトーゼ型脳性麻痺による構音障害者を対象とし,筋肉の不随意運動を原因とする障害者の不安定な発話を聞き取りやすく変換することを目指す.「自分らしい声で話したい」という障害者のニーズに応えるため,本研究では従来の統計的モデルによる声質変換とは異なる非負値行列因子分解(NMF)を用いたExemplar-based声質変換を用いて,話者性を維持しつつ聞き取りやすい音声に変換する.NMF声質変換では,入力スペクトルは入力話者のexemplarの線形和で表現され,選ばれたexemplarを対応する出力話者のものと置き換えることで変換を行っていた.しかしこれまでのNMF声質変換では,入力話者のexemplarから得られた重み行列をそのまま出力話者の重み行列として用いていた.実際には入力話者の重み行列と出力話者の重み行列は必ずしも一致するわけではなく,この問題が変換音声の劣化を引き起こしていると考えられていた.本研究ではこの問題を解決するため,NMFを用いたスパース辞書学習を行い,入力話者の線形重み行列を出力話者のものに変換するマッピング行列を導入する.提案手法の有効性を評価するため,従来のGaussian Mixture Modelに基づく声質変換,NMF声質変換との比較実験を行った.

  一般社団法人電子情報通信学会, 2014年, 電子情報通信学会技術研究報告, 114(91) (91), 39 - 44, 日本語

  研究論文（研究会，シンポジウム資料等）


• アクティビティマッピングによる非負値行列因子分解を用いた声質変換

  相原 龍, 滝口 哲也, 有木 康雄

  日本音響学会, 2014年, 日本音響学会2014年秋季研究発表会講演論文集, 223 - 226, 日本語

  研究論文（その他学術会議資料等）


• VOICE CONVERSION IN TIME-INVARIANT SPEAKER-INDEPENDENT SPACE

  Toru Nakashika, Tetsuya Takiguchi, Yasuo Ariki

  2014年, 2014 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH AND SIGNAL PROCESSING (ICASSP), 2014 Vol.10, 7889 - 7893, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Voice conversion based on Non-negative matrix factorization using phoneme-categorized dictionary

  Ryo Aihara, Toru Nakashika, Tetsuya Takiguchi, Yasuo Ariki

  Institute of Electrical and Electronics Engineers Inc., 2014年, ICASSP, IEEE International Conference on Acoustics, Speech and Signal Processing - Proceedings, 2014 Vol.10, 7894 - 7898, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Parallel Dictionary Learning Using a Joint Density Restricted Boltzmann Machine for Sparse-Representation-Based Voice Conversion

  NAKASHIKA Toru, TAKIGUCHI Tetsuya, ARIKI Yasuo

  2014年, Advances in Computer Science and Engineering, 12(2) (2), 101 - 117, 英語

  [査読有り]

  研究論文（学術雑誌）


• Novel Continuous-multi-class Cascade for Real-Time Emotional Recognition

  CHEN Jinhui, TAKIGUCHI Tetsuya, ARIKI Yasuo

  2014年, Workshops CV4AC, 1 - 15, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Normalized Web Distanceを用いた音声認識誤りの訂正法

  エンフボロル ビャムバヒシグ, 田中 克幸, 相原 龍, 滝口 哲也, 有木 康雄

  2014年, 第28回人工知能学会全国大会論文集, 1 - 4, 日本語

  研究論文（その他学術会議資料等）


• Multiple Non-negative Matrix Factorization を用いた多対一声質変換

  相原 龍, 滝口 哲也, 有木 康雄

  2014年, 電子情報通信学会技術研究報告, 114(365) (365), 75 - 80, 日本語

  研究論文（研究会，シンポジウム資料等）


• MULTIMODAL VOICE CONVERSION USING NON-NEGATIVE MATRIX FACTORIZATION IN NOISY ENVIRONMENTS

  Kenta Masaka, Ryo Aihara, Tetsuya Takiguchi, Yasuo Ariki

  2014年, 2014 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH AND SIGNAL PROCESSING (ICASSP), 2014 Vol.2, 1542 - 1546, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Multimodal Exemplar-based Voice Conversion using Lip Features in Noisy Environments

  Kenta Masaka, Ryo Aihara, Tetsuya Takiguchi, Yasuo Ariki

  2014年, 15TH ANNUAL CONFERENCE OF THE INTERNATIONAL SPEECH COMMUNICATION ASSOCIATION (INTERSPEECH 2014), VOLS 1-4, 1159 - 1163, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Individuality-preserving Voice Conversion for Articulation Disorders Using Dictionary Selective Non-negative Matrix Factorization

  AIHARA Ryo, TAKIGUCHI Tetsuya, ARIKI Yasuo

  2014年, SLPAT, 29 - 37, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• High-Order Sequence Modeling Using Speaker-Dependent Recurrent Temporal Restricted Boltzmann Machines for Voice Conversion

  NAKASHIKA Toru, TAKIGUCHI Tetsuya, ARIKI Yasuo

  2014年, Interspeech, 2278 - 2282, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Exemplar-based Emotional Voice Conversion Using Non-negative Matrix Factorization

  Ryo Aihara, Reina Ueda, Tetsuya Takiguchi, Yasuo Ariki

  2014年, 2014 ASIA-PACIFIC SIGNAL AND INFORMATION PROCESSING ASSOCIATION ANNUAL SUMMIT AND CONFERENCE (APSIPA), 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Dysarthric Speech Recognition Using a Convolutive Bottleneck Network

  Toru Nakashika, Toshiya Yoshioka, Tetsuya Takiguchi, Yasuo Ariki, Stefan Duffner, Christophe Garcia

  2014年, 2014 12TH INTERNATIONAL CONFERENCE ON SIGNAL PROCESSING (ICSP), 2015-January(October) (October), 505 - 509, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Depth Spatial Pyramid: a Pooling Method for 3D-Object Recognition

  NAKASHIKA Toru, HORI Takafumi, TAKIGUCHI Tetsuya, ARIKI Yasuo

  2014年, Advances in Computer Science and Engineering, 12(1) (1), 15 - 30, 英語

  [査読有り]

  研究論文（学術雑誌）


• Convolutive Bottleneck Network with Dropout for Dysarthric Speech Recognition

  NAKASHIKA Toru, YOSHIOKA Toshiya, TAKIGUCHI Tetsuya, ARIKI Yasuo, DUFFNER Stefan, GARCIA Christophe

  2014年, Transactions on Machine Learning and Artificial Intelligence, 2(2) (2), 46 - 60, 英語

  [査読有り]

  研究論文（学術雑誌）


• A Robust Learning Algorithm Based on SURF and PSM for Facial Expression Recognition

  Jinhui Chen, Xiaoyan Lin, Tetsuya Takiguchi, Yasuo Ariki

  2014年, 2014 12TH INTERNATIONAL CONFERENCE ON SIGNAL PROCESSING (ICSP), 2015-January(October) (October), 1352 - 1357, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• 3D-Object Recognition Based on LLC Using Depth Spatial Pyramid

  Toru Nakashika, Takafumi Hori, Tetsuya Takiguchi, Yasuo Ariki

  2014年, 2014 22ND INTERNATIONAL CONFERENCE ON PATTERN RECOGNITION (ICPR), 4224 - 4228, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• VOICE CONVERSION BASED ON NON-NEGATIVE MATRIX FACTORIZATION USING PHONEME-CATEGORIZED DICTIONARY

  Ryo Aihara, Toru Nakashika, Tetsuya Takiguchi, Yasuo Ariki

  2014年, 2014 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH AND SIGNAL PROCESSING (ICASSP), 2014 Vol.10, 7894 - 7898, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Probabilistic spectral envelope modeling of musical instruments within the non-negative matrix factorization framework for mixed music analysis

  Toru Nakashika, Tetsuya Takiguchi, Yasuo Ariki

  Acoustical Society of Japan, 2014年, Acoustical Science and Technology, 35(4) (4), 181 - 191, 英語

  [査読有り]

  研究論文（学術雑誌）


• 話者依存型 Conditional Restricted Boltzmann Machine による声質変換

  中鹿 亘, 滝口 哲也, 有木 康雄

  本研究では，元の音響特徴量空間よりも音韻性や時間変化性を抑え，話者性を強調させることによって，より入力話者音声の声質を出力話者のものへと変換しやすい話者依存空間を形成することを目的として，話者ごとにconditional restricted Boltzmann machine (CRBM)を用いた声質変換法を提案する．提案手法ではまず初めに，話者ごとに用意した学習データ（パラレルデータである必要は無い）を用いて，入力話者，出力話者のCRBMを独立に学習させる．次に，少量のパラレルデータの音響特徴量を，それぞれのCRBMを通して話者依存高次元空間へ写像（CRBMの前方推論）し，その高次特徴量同士をNeural Network (NN)を用いて変換させる．NNの変換で得られた特徴量は，CRBMの後方推論によって元の音響特徴量へ逆変換することが可能である

  電子情報通信学会, 2013年12月, 電子情報通信学会技術研究報告, 113(366) (366), 83 - 88, 日本語

  研究論文（研究会，シンポジウム資料等）


• 辞書選択型非負値行列因子分解による構音障害者の声質変換

  相原 龍, 滝口 哲也, 有木 康雄

  本研究では，アテトーゼ型脳性麻痺による構音障害者を対象とし，筋肉の不随意運動を原因とする障害者の不安定な発話を聞き取りやすく変換することを目指す．従来の声質変換手法で最も一般的なのは，混合正規分布モデル(GMM)を用いた統計的手法であった．この手法は主に話者変換を目的として研究されてきたため，GMM声質変換を構音障害者の発話音声に適用し健常者の音声に変換した場合，障害者の話者性は別人のものに置き換わってしまう．「自分らしい声で話したい」という障害者のニーズに答えるため，本研究では従来の統計的モデルによる声質変換とは異なる，非負値行列因子分解（NMF）を用いたExemlpar-based声質変換を用いて，話者性を維持しつつ聞き取りやすい音声に変換する．これまでNMF声質変換では，入力音声フレームと，辞書から選ばれる基底の音素が必ずしも一致しないという問

  電子情報通信学会, 2013年12月, 電子情報通信学会技術研究報告, 113(366) (366), 71 - 76, 日本語

  研究論文（研究会，シンポジウム資料等）


• 雑音環境下におけるセグメント特徴を考慮したNMFによる声質変換

  藤井 貴生, 相原 龍, 滝口 哲也, 有木 康雄

  本報告では，雑音環境下に強いNMFによる声質変換の手法を提案する．ここでは入力話者と出力話者それぞれの同一発話内容の音声特徴量をサンプルとするパラレル辞書を構築する．更に，入力音声の発話前後の非音声区間から雑音辞書を構築し，入力として与えられる雑音重畳音声を入力音声辞書と雑音辞書の線形結合で表現する．この入力音声と辞書から推定される重み行列のうち，音声辞書に関する重みのみを取り出し，出力話者の音声サンプルから構築した出力音声辞書との線形結合をとる．本手法では，NMFにセグメント特徴を導入することで重み行列の推定の精度をより向上させる．実験結果より，雑音重畳音声に対して提案手法の有効性が示された．

  電子情報通信学会, 2013年12月, 電子情報通信学会技術研究報告, 113(366) (366), 77 - 82, 日本語

  研究論文（研究会，シンポジウム資料等）


• ピッチ特徴量を用いた自閉症スペクトラム障害児と定型発達児の識別

  柿原 康博, 滝口 哲也, 有木 康雄, 中井 靖, 高田 哲

  近年，自閉症スペクトラム障害の発生頻度の増加が注目されている．自閉症スペクトラム障害とは，自閉性障害，アスペルガー障害，特定不能の広汎性発達障害の総体である．これらの障害は多様な原因に基づいて発症するため根本的な治療は困難とされているが，この障害に特化した支援による早期療育の効果が報告されている．本研究では，自閉症スペクトラム障害の早期発見を音響的な側面から目指し，ピッチ特徴量をSVMの入力として識別実験を行った．ピッチ特徴量とは，音声データから得られたピッチ系列とそのデルタ系列のそれぞれに対して，25，50，75パーセンタイル，25-50と50-75パーセンタイルの差，平均，標準偏差，尖度，歪度，最大値，最小値，レンジという12の統計量を計算したものである．実験として，単語毎の識別，区間分割による識別，特徴分割による識別の３つの識別実験を行った．区

  電子情報通信学会, 2013年12月, 電子情報通信学会技術研究報告, 113(366) (366), 35 - 40, 日本語

  研究論文（研究会，シンポジウム資料等）


• Exemplar-Based Voice Conversion Using Sparse Representation in Noisy Environments

  Ryoichi Takashima, Tetsuya Takiguchi, Yasuo Ariki

  2013年10月, IEICE TRANSACTIONS ON FUNDAMENTALS OF ELECTRONICS COMMUNICATIONS AND COMPUTER SCIENCES, E96A(10) (10), 1946 - 1953, 英語

  [査読有り]

  研究論文（学術雑誌）


• 辞書選択に基づく非負値行列因子分解による声質変換

  相原 龍, 中鹿 亘, 滝口 哲也, 有木 康雄

  本稿では，声質変換においてもっとも一般的な，音声スペクトルを特徴量とした話者変換をタスクとし，NMFを用いた声質変換手法の精度を向上させるため，辞書選択手法の導入を提案する．これまではパラレルデータの全フレームをそのまま辞書の基底として用いており，辞書のサイズが膨大となっていた．そのため，入力音声のフレームと，入力話者辞書から選ばれる基底の音素が必ずしも一致しないといった問題があった．そこで本稿では，入力・出力話者辞書を音素カテゴリに分けた副辞書を作成する．NMFを用いて音素カテゴリ認識を行い，選択した副辞書上でマッピングを行うことで声質変換を行う．

  日本音響学会, 2013年09月, 日本音響学会2013年秋季研究発表会講演論文集, 1473 - 1476, 日本語

  研究論文（その他学術会議資料等）


• 時間変化を考慮した Deep Learning を用いた声質変換

  中鹿 亘, 滝口 哲也, 有木 康雄

  本研究では，Conditional Restricted Boltzmann Machine を用いて音声の時間的変化を捉え，Deep Learningの枠組みで声質変換を行う手法を提案する．

  日本音響学会, 2013年09月, 日本音響学会2013年秋季研究発表会講演論文集, 1471 - 1472, 日本語

  研究論文（その他学術会議資料等）


• セグメント特徴を考慮したNMFを用いた雑音環境下の声質変換

  藤井 貴生, 相原 龍, 滝口 哲也, 有木 康雄

  本稿では，雑音環境下に強いNMFによる声質変換の手法を提案する．ここでは入力話者と出力話者それぞれの同一発話内容の音声の特徴量をサンプルとするパラレル辞書を構築する．更に，入力音声の発話前後の非音声区間から雑音辞書を構築し，入力として与えられる雑音重畳音声を入力音声辞書と雑音辞書のスパースな表現にする．この入力音声と辞書から推定される重み行列のうち，音声辞書に関する重みのみを取り出し，出力話者の音声サンプルから構築した出力音声辞書との線形結合をとる．更に本手法では，NMFにセグメント特徴を導入することで重み行列の推定の精度をより向上させる．実験では雑音重畳音声に対して，提案手法の有効性を示す．

  日本音響学会, 2013年09月, 日本音響学会2013年秋季研究発表会講演論文集, 337 - 340, 日本語

  研究論文（その他学術会議資料等）


• MKL-SVMを用いた自閉症スペクトラム障害児と定型発達児の音響識別

  柿原 康博, 滝口 哲也, 有木 康雄, 中井 靖, 高田 哲

  本稿では，自閉症スペクトラム障害の早期発見を音響的な側面から目指し，MKL-SVMを用いて自閉症スペクトラム障害児と定型発達児の音響識別を行う．

  日本音響学会, 2013年09月, 日本音響学会2013年秋季研究発表会講演論文集, 397 - 400, 日本語

  研究論文（その他学術会議資料等）


• Convolutional Neural Networksを用いた構音障害者のための音声認識

  吉岡 利也, 中鹿 亘, 滝口 哲也, 有木 康雄

  提案手法では，音声のスペクトログラムから得られた2次元特徴を入力層，入力層の音素情報を要素として持つベクトルを出力層とするConvolutional Neural Networks (CNN) を構築し，特徴量抽出に用いる．

  日本音響学会, 2013年09月, 日本音響学会2013年秋季研究発表会講演論文集, 167 - 168, 日本語

  研究論文（その他学術会議資料等）


• Speech intonation in children with autism spectrum disorder

  Nakai Y, Takiguchi T, Takashima R, Takada S

  Speech intonation in children with autism spectrum disorder

  Japan Sciety of Child Neurology, 2013年08月, Brain & Development, 2013(13) (13), 英語

  [査読有り]

  研究論文（学術雑誌）


• 単眼サッカー映像における時間状況グラフを用いた選手追跡

  伊藤 拓紀, 滝口 哲也, 有木 康雄

  本研究では，サッカー映像においてオクルージョンにロバストな選手追跡を行うために，時間状況グラフにガイドされたパーティクルフィルタによる新しい選手追跡手法を提案する．従来のパーティクルフィルタによる選手追跡では，映像のフレーム間で複数選手の位置情報を用いていないため，一度対象を見失うと再度発見するのが困難であるという欠点があった．そこで，複数選手の位置情報を時間状況グラフとして表現しておき，これにガイドされる形でパーティクルフィルタを実行すれば，オクルージョンが生じても選手の誤検出を大幅に減らすことが期待できる．評価実験では，実際の視点固定単眼サッカー映像に対して追跡を行い，時間状況グラフを用いないパーティクルフィルタによる選手追跡（従来手法）と，提案手法の時間状況グラフを用いたパーティクルフィルタによる選手追跡を比較した．その結果，従来手法に比べて提

  電子情報通信学会, 2013年08月, 電子情報通信学会論文誌, J96-D(8) (8), 1854 - 1864, 日本語

  [査読有り]

  研究論文（学術雑誌）


• Robust Feature Extraction to Utterance Fluctuation of Articulation Disorders Based on Random Projection

  YOSHIOKA Toshiya, TAKIGUCHI Tetsuya, ARIKI Yasuo

  We investigated the speech recognition of a person with an articulation disorder resulting from the athetoid type of cerebral palsy. The articulation of the first speech tends to become unstable due to strain on speech-related muscles, and that causes degradation of speech recognition. In this paper, we introduce a robust feature extraction method based on PCA (Principal Compon

  2013年08月, 4th Workshop on Speech and Language Processing for Assistive Technologies, 129 - 133, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Noise-Robust Voice Conversion Based on Spectral Mapping on Sparse Space

  TAKASHIMA Ryoichi, AIHARA Ryo, TAKIGUCHI Tetsuya, ARIKI Yasuo

  This paper presents a voice conversion (VC) technique for noisy environments based on a sparse representation of speech. In our previous work, we discussed an exemplar-based VC technique for noisy environments. In that report, source exemplars and target exemplars are extracted from the parallel training data, having the same texts uttered by the source and target speakers. The

  International Speech Communication Association, 2013年08月, 8th Speech Synthesis Workshop, 71 - 75, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Individuality-Preserving Voice Conversion for Articulation Disorders Using Locality-Constrained NMF

  AIHARA Ryo, TAKIGUCHI Tetsuya, ARIKI Yasuo

  We present in this paper a voice conversion (VC) method for a person with an articulation disorder resulting from athetoid cerebral palsy. The movements of such speakers are limited by their athetoid symptoms, and their consonants are often unstable or unclear, which makes it difficult for them to communicate. In this paper, exemplar-based spectral conversion using Non-negative

  2013年08月, 4th Workshop on Speech and Language Processing for Assistive Technologies, 3 - 8, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• 雑音環境下における非負値行列因子分解を用いた声質変換

  藤井 貴生, 相原 龍, 高島 遼一, 滝口 哲也, 有木 康雄

  本稿では，雑音環境下に強いSparse Codingによる声質変換の手法を提案する．ここでは入力話者と出力話者それぞれの同一発話内容の音声の特徴量をサンプルとするパラレル辞書を構築する．更に，入力音声の発話前後の非音声区間から雑音辞書を構築し，入力として与えられる雑音重畳音声を入力音声辞書と雑音辞書のスパースな表現にする．この入力音声と辞書から推定される重み行列のうち，音声辞書に関する重みのみを取り出し，出力話者の音声サンプルから構築した出力音声辞書との線形結合をとる．更に本手法では，より出力話者への音声へと近似させるため，ここで得られる特徴量に対してGMM変換を適用することで出力話者の変換音声とする．実験では雑音重畳音声に対して，提案手法の有効性を示す．

  システム制御情報学会, 2013年05月, システム制御情報学会研究発表講演会講演論文集, (114-5) (114-5), 1 - 6, 日本語

  研究論文（その他学術会議資料等）


• Unknown Object Identification Using Category Visual Words with Rejection Function

  TANAKA Yuto, TAKIGUCHI Tetsuya, ARIKI Yasuo

  In this paper, we introduce an identification method for unknown category objects. Most popular conventional methods in object recognition use Bag of Features (BoF) that represents the image as an appearance frequency histogram of common visual words by quantizing SIFT features. However, this method is unable to identify unknown objects because the common visual words cannot re

  IAPR, 2013年05月, International Conference on Machine Vision Applications, 375 - 378, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• 自閉症スペクトラム障害児と定型発達児の識別に関する音響特徴量選択

  石井 良, 高島 遼一, 滝口 哲也, 有木 康雄, 中井 靖, 高田 哲

  神戸大学都市安全研究センター, 2013年03月, 神戸大学都市安全研究センター研究報告, (17) (17), 97 - 104, 日本語

  [査読有り]

  神戸大学リポジトリ（Kernel）へのリンク


• 非負値行列因子分解による構音障害者の話者性を維持した声質変換

  相原 龍, 高島 遼一, 滝口 哲也, 有木 康雄

  本研究では，脳性麻痺の一種であるアテトーゼ型構音障害者を対象とした話者性を維持した声質変換を提案する．アテトーゼ現象は意図的な動作に緊張状態を発生させるために，障害者の発話，特に子音が不安定になる．本稿では，非負値行列因子分解(Non-negative Matrix Factorization: NMF) を用いたExemplar-basedな声質変換を構音障害者の発話に適用し，不安定な発話音声をより聞き取りやすく変換することを目指す．

  日本音響学会, 2013年03月, 日本音響学会2013年春季研究発表会, 333 - 336, 日本語

  研究論文（その他学術会議資料等）


• 自閉症スペクトラム障害児と定型発達児の識別に関する音響特徴量選択の検討

  石井 良, 高島 遼一, 滝口 哲也, 有木 康雄, 中井 靖, 高田 哲

  本論文では，幼稚園児から小学校４年生までの自閉症スペクトラム障害児を対象に，早期発見と早期療育を目指した音響的な側面による識別実験の結果に関して報告する．

  日本音響学会, 2013年03月, 日本音響学会2013年春季研究発表会, 141 - 142, 日本語

  研究論文（その他学術会議資料等）


• 雑音環境下におけるSparse Coding 声質変換

  藤井 貴生, 相原 龍, 高島 遼一, 滝口 哲也, 有木 康雄

  本稿では，雑音環境下に強いSparse Codingによる声質変換の手法を提案する．ここでは入力話者と出力話者それぞれの同一発話内容の音声の特徴量をサンプルとするパラレル辞書を構築する．更に，入力音声の発話前後の非音声区間から雑音辞書を構築し，入力として与えられる雑音重畳音声を入力音声辞書と雑音辞書のスパースな表現にする．この入力音声と辞書から推定される重み行列のうち，音声辞書に関する重みのみを取り出し，出力話者の音声サンプルから構築した出力音声辞書との線形結合をとる．更に本手法では，より出力話者への音声へと近似させるため，ここで得られる特徴量に対してGMM変換を適用することで出力話者の変換音声とする．実験では雑音重畳音声に対して，提案手法の有効性を示す．

  日本音響学会, 2013年03月, 日本音響学会2013年春季研究発表会, 529 - 532, 日本語

  研究論文（その他学術会議資料等）


• 音響モデル合成を用いた単一マイクによる2話者位置推定

  高島 遼一, 滝口 哲也, 有木 康雄

  本論文では単一マイクを用いた2話者の音源位置推定手法について提案する.我々はこれまで音響伝達特性の識別に基づく,単一マイクによる音源位置推定法を提案してきたが,それは話者が一人のみであることを前提とした手法であった.そこで本論文ではこれまで提案した枠組みを元に,新たに音響モデル合成を用いることで,単一マイクで2話者の音源位置推定を行う手法を提案する.提案手法では位置ごとの観測信号の音響伝達特性をあらかじめ推定し,そのモデルを学習しておく.そして,学習された音響伝達特性モデルと各話者の音響モデルを合成させることで,複数話者のそれぞれの位置における混合音声信号のモデルを作成する.その後,二人の話者が同時に発話した評価音声について,位置の組合せごとに合成された混合信号モデルとのゆう度を比較することでそれぞれの話者の位置を推定する.2話者位置推定の実験により,特に位置ごとの学習データが少量の場合において提案手法の優位性を確認できた.

  一般社団法人電子情報通信学会, 2013年03月, 電子情報通信学会論文誌. D, 情報・システム = The IEICE transactions on information and systems (Japanese edition), 96(3) (3), 675 - 685, 日本語

  [査読有り]

  研究論文（学術雑誌）


• ランダムプロジェクションを用いた構音障害音声の認識および誤り単語検出

  吉岡 利也, 高島 遼一, 滝口 哲也, 有木 康雄

  本研究では，アテトーゼ型の脳性麻痺による構音障害者を対象とした音声認識の実現を目指している．彼らは意図的な動作時や緊張状態にある場合に筋肉の制御が難しくなり，アテトーゼと呼ばれる不随意運動を伴う．アテトーゼ型の構音障害者の発話スタイルは健常者と大きく異なり，認識精度が著しく低下する．ランダムプロジェクションとは，空間写像の一手法で，その変換写像行列の各要素がある確率分布に従うランダムな値として定義される点に特徴を持つ．提案手法では，複数のランダム写像行列を用いて音声特徴量を変換する．各々の特徴量を用いて音声認識を行い，各認識結果を投票により統合することで最適な認識結果を得る．さらに，その投票結果に基づく正誤判定手法を紹介する．

  日本音響学会, 2013年03月, 日本音響学会2013年春季研究発表会, 139 - 140, 日本語

  研究論文（その他学術会議資料等）


• スパース基底空間上のマッピングに基づく声質変換

  高島 遼一, 滝口 哲也, 有木 康雄

  本稿では，これまでに提案してきた音声のスパース表現に基づく声質変換法において，入力音声と出力音声を同一のアクティビティで表現できるような部分空間を学習するNMFの枠組みを提案し，この空間上でマッピングを行うことで声質変換を行う手法を提案する．

  日本音響学会, 2013年03月, 日本音響学会2013年春季研究発表会, 533 - 536, 日本語

  研究論文（その他学術会議資料等）


• Syntax情報とContext情報を用いた音声認識誤りの2段階訂正

  中谷 良平, 滝口 哲也, 有木 康雄

  本稿では，単語ごとに付与した長距離文脈スコアを素性とし，Confusion Network上で音声認識自動誤り訂正を行う手法を提案する．従来，単語ごとに付与された長距離文脈情報を素性として音声認識誤り訂正を行う手法は提案されているが，単語ごとにそれを付与する場合，周辺の認識精度に大きく依存してしまうという問題があった．そのため，認識誤りを多く含む認識結果に対して長距離文脈情報を付与することは，あまり好ましくない．したがって本研究では，長距離文脈情報を誤り訂正の素性として用いるために，始めにN-gram情報を用いた誤り訂正を行い，誤認識を軽減する．その後，長距離文脈スコアを付与し，2段階目の訂正を行うことで，音声認識精度を向上させる手法を提案する．実験により，提案する2段階訂正を行うことで，より効果的に長距離文脈情報を誤り訂正の素性として利用できること

  日本音響学会, 2013年03月, 日本音響学会2013年春季研究発表会, 221 - 224, 日本語

  研究論文（その他学術会議資料等）


• Specmurtを利用した調波構造行列による混合楽音解析の検討

  西村 大樹, 中鹿 亘, 滝口 哲也, 有木 康雄

  我々が耳にする楽曲の多くは様々な楽器が同時刻に存在する混合楽音である．しかし，Specmurt法は単一楽器の多重音の解析のみしか行うことができない．そこで我々は従来のSpecmurtを拡張し，複数の楽器の混合楽音から，各楽器に分離された音高を解析する新たな手法を提案する．各楽器に分離された音高を解析する新たな手法を提案する．

  日本音響学会, 2013年03月, 日本音響学会2013年春季研究発表会, 843 - 844, 日本語

  研究論文（その他学術会議資料等）


• Sparseness Criteria of F0-Frequencies Selection for Specmurt-Based Multi-Pitch Analysis without Modeling Harmonic Structure

  NISHIMURA Daiki, NAKASHIKA Toru, TAKIGUCHI Tetsuya, ARIKI Yasuo

  This paper introduces a multi-pitch analysis method using specmurt analysis without modeling the common harmonic structure pattern. Specmurt analysis is based on the idea that the fundamental frequency distribution is expressed as a deconvolution of the observed spectrum by the common harmonic structure pattern. To analyze the fundamental frequency distribution, the common harm

  Research Institute of Signal Processing, 2013年03月, Journal of Signal Processing, 17(2) (2), 29 - 38, 英語

  [査読有り]

  研究論文（学術雑誌）


• Deep Belief Nets による低次元空間表現を用いた声質変換の検討

  中鹿 亘, 高島 遼一, 滝口 哲也, 有木 康雄

  本稿では，DBNとNNを組み合わせて，話者性の取り除いた低次元空間で非線形変換を行う声質変換法を提案した．主観的・客観的に評価実験を行い，いずれの実験においても高い精度を示した．

  日本音響学会, 2013年03月, 日本音響学会2013年春季研究発表会, 517 - 520, 日本語

  研究論文（その他学術会議資料等）


• 距離空間ピラミッドを用いたLLCによる3次元物体認識

  堀 貴博, 滝口 哲也, 有木 康雄

  近年，高精度なRGB-Dカメラの登場により，高品質な3次元情報（色，奥行き情報）が容易に測定可能となった．これを用いた従来の物体認識手法は，奥行き情報を局所的特徴の抽出にしか使用していない．つまり，奥行き情報を取得することで物体の全体的な形状を把握することが可能であるにも関わらず，部分的な利用に留まっている．そこで，提案手法では，奥行き情報に基づく距離空間ピラミッドによって，全体的な物体形状を表現する手法を提案する．具体的には，距離空間ピラミッドでの特徴点の座標位置によって，奥行きの位相情報を含んだ特徴表現を実現する．また，距離画像から抽出する3次元局所特徴量として，HONV (Histogram of Oriented Normal Vectors)を用い，特徴量のコード化には，特徴空間座標系での近傍制限を利用したLLC (Locality-con

  電子情報通信学会, 2013年02月, 電子情報通信学会技術研究報告, 43 - 48, 日本語

  研究論文（研究会，シンポジウム資料等）


• Dimensional feature weighting utilizing multiple kernel learning for single-channel talker location discrimination using the acoustic transfer function

  Ryoichi Takashima, Tetsuya Takiguchi, Yasuo Ariki

  2013年02月, JOURNAL OF THE ACOUSTICAL SOCIETY OF AMERICA, 133(2) (2), 891 - 901, 英語

  [査読有り]

  研究論文（学術雑誌）


• SPARSE REPRESENTATION FOR OUTLIERS SUPPRESSION IN SEMI-SUPERVISED IMAGE ANNOTATION

  Toru Nakashika, Takeshi Okumura, Tetsuya Takiguchi, Yasuo Ariki

  2013年, 2013 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH AND SIGNAL PROCESSING (ICASSP), 2013 Vol.3, 2080 - 2083, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Single-channel talker localization based on separation of the acoustic transfer function using hidden Markov model and its classification

  Ryoichi Takashima, Tetsuya Takiguchi, Yasuo Arikiz

  Acoustical Society of Japan, 2013年, Acoustical Science and Technology, 34(3) (3), 176 - 186, 英語

  [査読有り]

  研究論文（学術雑誌）


• PREDICTION OF UNLEARNED POSITION BASED ON LOCAL REGRESSION FOR SINGLE-CHANNEL TALKER LOCALIZATION USING ACOUSTIC TRANSFER FUNCTION

  Ryoichi Takashima, Tetsuya Takiguchi, Yasuo Ariki

  2013年, 2013 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH AND SIGNAL PROCESSING (ICASSP), 2013 Vol.6, 4295 - 4299, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• INDIVIDUALITY-PRESERVING VOICE CONVERSION FOR ARTICULATION DISORDERS BASED ON NON-NEGATIVE MATRIX FACTORIZATION

  Ryo Aihara, Ryoichi Takashima, Tetsuya Takiguchi, Yasuo Ariki

  2013年, 2013 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH AND SIGNAL PROCESSING (ICASSP), 2013 Vol.11, 8037 - 8040, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Voice Conversion in High-order Eigen Space Using Deep Belief Nets

  Toru Nakashika, Ryoichi Takashima, Tetsuya Takiguchi, Yasuo Ariki

  2013年, 14TH ANNUAL CONFERENCE OF THE INTERNATIONAL SPEECH COMMUNICATION ASSOCIATION (INTERSPEECH 2013), VOLS 1-5, 369 - 372, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Two-step Correction of Speech Recognition Errors Based on N-gram and Long Contextual Information

  Ryohei Nakatani, Tetsuya Takiguchi, Yasuo Ariki

  2013年, 14TH ANNUAL CONFERENCE OF THE INTERNATIONAL SPEECH COMMUNICATION ASSOCIATION (INTERSPEECH 2013), VOLS 1-5, 3714 - 3717, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Exemplar-based Individuality-Preserving Voice Conversion for Articulation Disorders in Noisy Environments

  Ryo Aihara, Ryoichi Takashima, Tetsuya Takiguchi, Yasuo Ariki

  2013年, 14TH ANNUAL CONFERENCE OF THE INTERNATIONAL SPEECH COMMUNICATION ASSOCIATION (INTERSPEECH 2013), VOLS 1-5, 3604 - 3608, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Robust facial expressions recognition using 3D average face and ameliorated adaboost

  Jinhui Chen, Yasuo Ariki, Tetsuya Takiguchi

  ACM, 2013年, MM 2013 - Proceedings of the 2013 ACM Multimedia Conference, 661 - 664, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Voice Conversion based on Non-negative Matrix Factorization in Noisy Environments

  Takao Fujii, Ryo Aihara, Ryoichi Takashima, Tetsuya Takiguchi, Yasuo Ariki

  2013年, 2013 IEEE/SICE INTERNATIONAL SYMPOSIUM ON SYSTEM INTEGRATION (SII), 495 - 498, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• High-frequency restoration using deep belief nets for super-resolution

  Toru Nakashika, Tetsuya Takiguchi, Yasuo Ariki

  2013年, Proceedings - 2013 International Conference on Signal-Image Technology and Internet-Based Systems, SITIS 2013, 38 - 42, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Event detection and recognition using HMM with whistle sounds

  Hiroki Itoh, Tetsuya Takiguchi, Yasuo Ariki

  2013年, Proceedings - 2013 International Conference on Signal-Image Technology and Internet-Based Systems, SITIS 2013, 14 - 21, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Acoustic Feature Selection Utilizing Multiple Kernel Learning for Classification of Children with Autism Spectrum and Typically Developing Children

  Yasuhiro Kakihara, Tetsuya Takiguchi, Yasuo Ariki, Yasushi Nakai, Satoshi Takada

  2013年, 2013 IEEE/SICE INTERNATIONAL SYMPOSIUM ON SYSTEM INTEGRATION (SII), 490 - 494, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• 音響伝達特性を用いたシングルチャネル音源位置推定における局所的回帰に基づく未学習位置の補間

  高島 遼一, 滝口 哲也, 有木 康雄

  我々はこれまで，観測音声の音響伝達特性が話者の位置に依存するという点に着目し，音響伝達特性を識別することにより，単一マイクロホンで音源位置推定を行う手法を提案してきた．しかしこの手法は，事前に想定される音源位置毎に音響伝達特性を学習させる必要があり，学習していない位置の推定が困難であった．そこで本稿では，限られた位置の音響伝達特性を用いて，音響伝達特性から位置への回帰モデルを学習し，その回帰モデルにより未学習位置の推定を行う手法について検討する．回帰モデルとして，線形回帰である重回帰分析，非線形回帰であるGPR (Gaussian Process Regression)，SVR (Support Vector Regression)を用い，さらにその学習方法として，評価データに類似した学習サンプルのみから回帰モデルを学習する局所的回帰を検討し，その性

  電子情報通信学会, 2012年12月, 電子情報通信学会技術研究報告, 112(369) (369), 75 - 80, 日本語

  研究論文（研究会，シンポジウム資料等）


• シンタックスとセマンティックスに基づく音声認識結果の2段階訂正

  中谷 良平, 滝口 哲也, 有木 康雄

  本稿では，単語ごとに長距離文脈スコアを付与することで素性とし，Confusion Network上での音声認識自動誤り訂正手法を提案する．従来，単語ごとの長距離文脈情報を素性に音声認識誤り訂正を行う手法は提案されているが，単語ごとにそれを付与する場合，周辺の認識精度に大きく依存してしまうという問題がある．そのため，認識誤りを多く含む認識結果に対して長距離文脈情報を付与するのは，あまり好ましくない．したがって本稿では，文脈情報を誤り訂正の素性として用いるために，まずはシンタックスを用いた誤り訂正を行い，誤認識を軽減する．その後，長距離文脈スコアを付与し，2段階目の訂正を行うことで，より音声認識精度を向上させることを目的とする．

  電子情報通信学会, 2012年12月, 電子情報通信学会技術研究報告, 112(369) (369), 149 - 154, 日本語

  研究論文（研究会，シンポジウム資料等）


• Sparse Coding を用いた唇情報からの音声変換

  相原 龍, 高島 遼一, 滝口 哲也, 有木 康雄

  唇の動きから発話内容を読み取る技術はリップリーディング（読唇）と呼ばれ，聴覚・言語障害者のコミュニケーション手段の一つとして用いられている．本研究では，Sparse Codingを用いて，唇動画像から対応する発話音声へテキスト情報なしで変換を行う．事前に音声を含んだ発話映像から唇情報と音声情報を抽出し，それぞれを基底の集合である辞書として学習する．このとき，二つの辞書行列は同一時系列であり，パラレルなデータである．入力された無音声の映像から抽出された唇情報は，Sparse Codingにより少数の基底の線形和で表される．唇辞書行列から選ばれた基底を対応する音声辞書の基底と取り換えることで，音声の基底の線形和として音声が出力される．本稿では，唇情報から識別可能と考えられる母音について変換を行った．

  電子情報通信学会, 2012年12月, 電子情報通信学会技術研究報告, 112(369) (369), 119 - 124, 日本語

  研究論文（研究会，シンポジウム資料等）


• GMM-Based Emotional Voice Conversion Using Spectrum and Prosody Features

  AIHARA Ryo, TAKASHIMA Ryoichi, TAKIGUCHI Tetsuya, ARIKI Yasuo

  We propose Gaussian Mixture Model (GMM)-based emotional voice conversion using spectrum and prosody features. In recent years, speech recognition and synthesis techniques have been developed, and an emotional voice conversion technique is required for synthesizing more expressive voices. The common emotional conversion was based on transformation of neutral prosody to emotional

  Scientific & Academic Publishing, 2012年10月, American Journal of Signal Processing, 2(5) (5), 134 - 138, 英語

  [査読有り]

  研究論文（学術雑誌）


• 非負値行列因子分解による構音障害者の声質変換

  相原 龍, 高島 遼一, 滝口 哲也, 有木 康雄

  近年，情報技術の福祉分野への応用が進んでいる．例えば，画像認識技術の応用による手話認識，文章読み上げシステム，無喉頭音声変換など，その応用領域は幅広い．本研究では，脳性麻痺による構音障害者に焦点をあて，構音障害者の音声を健常者のものに変換することで，より聞き取りやすくすることを目指す．

  日本音響学会, 2012年09月, 日本音響学会2012年秋季研究発表会, 331 - 334, 日本語

  研究論文（その他学術会議資料等）


• 重みつきノルム基準によるF0周波数選択を用いたSpecmurtによる多重音解析

  西村 大樹, 中鹿 亘, 滝口 哲也, 有木 康雄

  本稿では共通調波構造をモデル化しないで，重みつきノルムによるスパース性を考慮したSpecmurtによる多重音解析の有効性を示した．この手法は音色の学習を必要とせず，また和音数などといった知識も用いないで多重音の解析ができる．

  日本音響学会, 2012年09月, 日本音響学会2012年秋季研究発表会, 781 - 784, 日本語

  研究論文（その他学術会議資料等）


• 構音障害者の音素認識誤りの傾向

  吉岡 利也, 高島 遼一, 滝口 哲也, 有木 康雄

  本稿では，構音障害者の音素体系に注目し，音素認識実験を行いその誤り傾向について検討を行った．構音障害者3名を対象とした音素認識実験により，正解率が低下している音素が，母音，子音ともに類似していることが確認できた．また，正解率が低下している音素において，いくつかの誤り傾向が見られた．

  日本音響学会, 2012年09月, 日本音響学会2012年秋季研究発表会, 140 - 141, 日本語

  研究論文（その他学術会議資料等）


• 音響特徴量を用いた自閉症児と定型発達児の識別

  石井 良, 高島 遼一, 滝口 哲也, 有木 康雄, 中井 靖, 高田 哲

  本論文では，幼稚園児から小学校４年生までの自閉症児を対象に，その早期発見を目指した音響的な側面による識別実験の結果に関して報告する．

  日本音響学会, 2012年09月, 日本音響学会2012年秋季研究発表会, 117 - 118, 日本語

  研究論文（その他学術会議資料等）


• スパース表現を用いた雑音環境下の声質変換

  高島 遼一, 滝口 哲也, 有木 康雄

  本稿では，入力話者のパラレルデータから構築したパラレル辞書と入力音声から構築した雑音辞書を用いて，雑音が重畳した入力音声を入力話者辞書と雑音辞書のスパース表現にし，入力話者辞書のアクティビティ行列に基づいて出力話者辞書内のサンプルを線形結合することで，出力話者の音声へ変換する手法を提案した．

  日本音響学会, 2012年09月, 日本音響学会2012年秋季研究発表会, 213 - 216, 日本語

  研究論文（その他学術会議資料等）


• CRFを用いた音声認識誤り訂正における素性の検討

  中谷 良平, 滝口 哲也, 有木 康雄

  我々は，大語彙連続音声認識において，Conditional Random Fields (CRF) を用いて認識結果中の誤りを訂正する手法を提案してきた．素性として，長距離言語情報などを用いたが，あまり大きな効果が得られなかった．そのため，本稿では，長距離言語情報を他の情報と組み合わせ，新たな素性として誤り訂正に用いる．その結果，長距離言語情報を単独で用いた場合と比較して，単語誤り率の改善が見られたので報告する．

  日本音響学会, 2012年09月, 日本音響学会2012年秋季研究発表会, 141 - 142, 日本語

  研究論文（その他学術会議資料等）


• Convolutional Neural Networks を用いた局所特徴統合による 自動音楽ジャンル分類

  中鹿 亘, Garcia Christophe, 滝口 哲也, 有木 康雄

  近年のコンピュータの発展とともに音楽のデジタルコンテンツが爆発的に増大し，web上や個人の情報端末上で音楽データを整理・検索することが困難になってきている．このような背景の中で，類似した音楽を自動的にクラスタリングする自動音楽ジャンル分類の研究が盛んに行われている．本稿では後者のアプローチに基づき，各マップから計算される画像特徴であるGLCM (Gray Level Co-occurrence Matrix)を特徴量とし，Convolutional Neural Networks (ConvNets)を用いて複数のGLCMを統合しつつ音楽ジャンルを識別する手法を提案する．

  日本音響学会, 2012年09月, 日本音響学会2012年秋季研究発表会, 789 - 790, 日本語

  研究論文（その他学術会議資料等）


• ３次元Ａｃｔｉｖｅ Ａｐｐｅａｒａｎｃｅ Ｍｏｄｅｌｓを用いた手形状認識

  山下 亮, 滝口 哲也, 有木 康雄

  本研究では，高機能ＴＶなどに対するジェスチャー入力として3次元モデルを使用した，複雑な手の形状認識の手法を提案する．従来のジェスチャー認識では，カメラに対して正面に手を向ける必要があり，任意の手の傾きに対応できない問題点がある．そこで，3D Active Appearance Modelsを使用することで，あらゆる方位にも対応できる手の形状追跡を実現する．高精度な距離画像センサーKinectを用いて，対象のＲＧＢ画像と深度情報を取得し，モデルの学習及びテストを行った．複数の3D-AAMを使用することにより，複雑な指の形状を，方向の変化に対して頑健に認識することができた．

  情報処理学会, 2012年08月, 画像の認識・理解シンポジウム, 日本語

  研究論文（研究会，シンポジウム資料等）


• 単眼サッカー映像における時間状況グラフを用いた選手追跡

  伊藤 拓紀, 滝口 哲也, 有木 康雄

  本研究では，サッカー映像においてオクルージョンにロバストな選手追跡を行うために，時間状況グラフにガイドされたパーティクルフィルタによる新しい選手追跡手法を提案する．従来のパーティクルフィルタによる選手追跡では，映像のフレーム間で複数選手の位置情報を用いていないため，一度対象を見失うと再度発見するのが困難であるという欠点があった．そこで，複数選手の位置情報を時間状況グラフとして表現しておき，これにガイドされる形でパーティクルフィルタを実行すれば，オクルージョンが起こっても選手の誤検出を大幅に減らすことが期待できる．評価実験では，実際の視点固定単眼サッカー映像に対して追跡実験を行い，時間状況グラフを用いないパーティクルフィルタによる選手追跡（従来手法）と，提案手法の時間状況グラフを用いたパーティクルフィルタによる選手追跡を比較した．その結果，従来手法に比

  情報処理学会, 2012年08月, 画像の認識・理解シンポジウム, 日本語

  [査読有り]

  研究論文（研究会，シンポジウム資料等）


• 自己縮小画像と混合ガウス分布モデルを用いた超解像

  小川 祐樹, 堀 貴博, 滝口 哲也, 有木 康雄

  近年，超解像技術はコンピュータビジョンの分野において活発に研究されている．本稿では，混合正規分布(GMM)を用いた変換関数による超解像を提案する．低解像度画像を高解像度画像に変換する変換関数を，入力画像と入力画像の自己縮小画像を用いた混合正規分布から作成する．入力画像をその変換関数に適用することによって，高解像度画像を得ることができる．さらに，混合正規分布だけでなく，PLS (Partial Least Squares)も用いた変換関数による超解像も提案する．また，入力画像だけを用いているので，従来手法のように大量の学習画像を必要としない．従来手法との比較を行った結果，提案手法(GMMのみ，GMM+PLS)共に，従来手法より評価値が優れ，より鮮明な画像を作成することができ，提案手法の有効性を確認した．

  情報処理学会, 2012年08月, 画像の認識・理解シンポジウム, 日本語

  研究論文（研究会，シンポジウム資料等）


• 学習画像の選択に基づくＡＡＭの繰り返し適応

  高柳 陽平, 滝口 哲也, 有木 康雄

  顔特徴点の取得法として，顔を追跡する方法として適しているActive Appearance Model (AAM)がある．しかし、AAMによって，未知人物を追跡しようとする時，学習データを過剰に用いると，個人の特徴が失われ，多くの局所解が生まれてしまい，追跡精度が低下してしまうので，現状では学習済みの人物でないと顔特徴点を正確に取得できないといった問題がある．そこで本研究では，この問題を解決するため，学習データを人物ごとに分けておき，未知人物に対して学習人物との類似度を，Gaussian Mixture Models(GMM)によって求める．この類似度に応じて，学習人物毎に学習データの枚数を決定し，こうして集められた学習データを基にAAMを構築して特徴点を得る．更に得られた特徴点に対して学習データとの類似度によって，繰り返しAAMを構築することで，未

  情報処理学会, 2012年08月, 画像の認識・理解シンポジウム, 日本語

  研究論文（研究会，シンポジウム資料等）


• ウェブ画像を用いたカテゴリ別Visual Wordsによる未知物体判別

  田中 雄翔, 滝口 哲也, 有木 康雄

  本論文では，既知の物体と同様に，未知の物体も判別できるカテゴリ別Visual Wordsを提案する．最も広く用いられている物体認識の手法は，Bag of Features (BoF)手法である．これは，SIFT (Scale-Invariant Feature Transform)などの局所特徴を量子化することによって，Visual Wordsと呼ばれるコードブックを作成し，その出現頻度ヒストグラムとして画像を表現する手法である．しかし，この手法には既知の物体にしか適用できないという問題点がある．従って，BoF手法は未知の物体を含む物体認識に適している手法とはいえない．この観点から，本論文は未知のカテゴリの物体も表現することができるカテゴリ別Visual Wordsと，それによる物体認識手法を提案する．10クラスの物体認識において，提案手法は従来のB

  情報処理学会, 2012年08月, 画像の認識・理解シンポジウム, 日本語

  研究論文（研究会，シンポジウム資料等）


• Facial Age Estimation Based on KNN-SVR Regression and AAM Parameters

  Songzhu Gao, TAKIGUCHI Tetsuya, ARIKI Yasuo

  Age estimation is the determination of a person’s age based on biometric features. It is an important technique to estimate age from facial pictures automatically in Computer Vision. The application using age estimation for interface, robot, and human interaction is expected. In recent years, many approaches for age estimation were proposed while the results were not ideal. To

  情報処理学会, 2012年08月, 画像の認識・理解シンポジウム, 英語

  研究論文（研究会，シンポジウム資料等）


• AAMを用いた顔方位に依存しない発話認識

  駒井 祐人, 楊 楠, 有木 康雄, 滝口 哲也

  音声情報に唇動画像情報を併用して認識を行うマルチモーダル発話認識は，雑音環境下での認識が可能である．しかし，唇情報は，顔が横を向いてしまうと，認識精度が大きく劣化してしまうため，従来のリップリーディングでは正面顔での発話に限定されていることが多かった．本研究ではActive Appearance Modelを用いて，様々な角度の顔方位を正面に変換してリップリーディングを行う手法を提案する．提案手法では，顔方位に関する回帰モデル式を選択的に扱うことで，正面顔と横顔との変動のミスマッチを抑えつつ，任意の角度で横顔を正面顔に変換することができる．実験では，正面方向の発話のみを学習し，正面，横15度，横30度の3方向の角度において認識を行った結果，3方向全てにおいて，従来手法と比べ認識精度を改善することができた．

  情報処理学会, 2012年08月, 画像の認識・理解シンポジウム, 日本語

  研究論文（研究会，シンポジウム資料等）


• Generic Object Recognition Based on CRF Incorporating BoF as Global Features

  OKUMURA Takeshi, TAKIGUCHI Tetsuya, ARIKI Yasuo

  Generic object recognition using a computer has become a necessity in various fields, such as robot vision and image retrieval in recent years. Conventional methods use conditional random field (CRF) that recognizes the class of each region using the features extracted from the local regions and the class co-occurrence between the adjoining regions. However, there is a problem

  2012年06月, Far East Journal of Electronics and Communications, 8(2) (2), 85 - 96, 英語

  [査読有り]

  研究論文（学術雑誌）


• Audio-Visual Speech Recognition Using AAM-Based Visual Features

  KOMAI Yuto, TAKIGUCHI Tetsuya, ARIKI Yasuo

  As one of the techniques for robust speech recognition under noisy environments, audio-visual speech recognition (AVSR) using lip dynamic scene information together with audio information is attracting attention, and the research has made strides in recent years. However, in visual speech recognition (VSR), when a face turns sideways, the shape of the lip as viewed by the camer

  2012年05月, Advances in Computer Science and Engineering, 8(2) (2), 123 - 137, 英語

  [査読有り]

  研究論文（学術雑誌）


• Random Projection を用いた構音障害者の音声認識

  高塚 智敬, 高島 遼一, 滝口 哲也, 有木 康雄

  神戸大学都市安全研究センター, 2012年03月, 神戸大学都市安全研究センター研究報告, (16) (16), 123 - 128, 日本語

  [査読有り]

  神戸大学リポジトリ（Kernel）へのリンク


• Integrated Multimodal Information for Detection of Unknown Objects and Unknown Names

  OZASA Yuko, IWAHASHI Naoto, TAKIGUCHI Tetsuya, ARIKI Yasuo, NAKANO Mikio

  2012年03月, NCSP, pp. 631-634, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Gaze Estimation Using 3D Active Appearance Models

  NAKAMATSU Yukari, TAKIGUCHI Tetsuya, ARIKI Yasuo

  2012年03月, NCSP, pp. 112-115, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Towards Domain Independent Why Text Segment Classification Based on Bag of Function Words

  田中 克幸, 滝口 哲也, 有木 康雄

  2012年, The Australasian Joint Conference on Artificial Intelligence, 469 - 480, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• SUPER-RESOLUTION BY GMM BASED CONVERSION USING SELF-REDUCTION IMAGE

  Yuki Ogawa, Yasuo Ariki, Tetsuya Takiguchi

  2012年, 2012 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH AND SIGNAL PROCESSING (ICASSP), 2012 Vol.2, 1285 - 1288, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• GENERIC OBJECT RECOGNITION BY GRAPH STRUCTURAL EXPRESSION

  Takahiro Hori, Tetsuya Takiguchi, Yasuo Ariki

  2012年, 2012 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH AND SIGNAL PROCESSING (ICASSP), 2012 Vol.2, 1021 - 1024, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• A NEW MULTIPLE-KERNEL-LEARNING WEIGHTING METHOD FOR LOCALIZING HUMAN BRAIN MAGNETIC ACTIVITY

  T. Takiguchi, T. Imada, R. Takashima, Y. Ariki, J. -F. L. Lin, P. K. Kuhl, M. Kawakatsu, M. Kotani

  2012年, 2012 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH AND SIGNAL PROCESSING (ICASSP), 2012 Vol.2, 761 - 764, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• ACOUSTIC MODEL TRANSFORMATIONS BASED ON RANDOM PROJECTIONS

  Tetsuya Takiguchi, Mariko Yoshii, Yasuo Ariki, Jeff Bilmes

  2012年, 2012 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH AND SIGNAL PROCESSING (ICASSP), 2012 Vol.3, 1933 - 1936, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Local-feature-map Integration Using Convolutional Neural Networks for Music Genre Classification

  NAKASHIKA Toru, GARCIA Christophe, TAKIGUCHI Tetsuya

  2012年, Interspeech, 1750 - 1753, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Estimation of Talker’s Head Orientation Based on Discrimination of the Shape of Cross-power Spectrum Phase Coefficients

  TAKASHIMA Ryoichi, TAKIGUCHI Tetsuya, ARIKI Yasuo

  2012年, Interspeech, 1842 - 1845, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Robust AAM-based audio-visual speech recognition against face direction changes

  Yuto Komai, Nan Yang, Tetsuya Takiguchi, Yasuo Ariki

  ACM, 2012年, MM 2012 - Proceedings of the 20th ACM International Conference on Multimedia, 1161 - 1164, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• 3D Tracking of Soccer Players Using Time-Situation Graph in Monocular Image Sequence

  Hiroki Itoh, Tetsuya Takiguchi, Yasuo Ariki

  2012年, 2012 21ST INTERNATIONAL CONFERENCE ON PATTERN RECOGNITION (ICPR 2012), 2532 - 2536, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Towards domain independent why text segment classification based on bag of function words

  Katsuyuki Tanaka, Tetsuya Takiguchi, Yasuo Ariki

  2012年, Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 7691, 469 - 480, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Super-Resolution Using GMM and PLS Regression

  Yuki Ogawa, Takahiro Hori, Tetsuya Takiguchi, Yasuo Ariki

  2012年, 2012 IEEE INTERNATIONAL SYMPOSIUM ON MULTIMEDIA (ISM), 298 - 301, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Robust Feature Extraction to Utterance Fluctuations Due to Articulation Disorders Based on Sparse Expression

  Toshiya Yoshioka, Ryoichi Takashima, Tetsuya Takiguchi, Yasuo Ariki

  2012年, 2012 ASIA-PACIFIC SIGNAL AND INFORMATION PROCESSING ASSOCIATION ANNUAL SUMMIT AND CONFERENCE (APSIPA ASC), 4 pages, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• EXEMPLAR-BASED VOICE CONVERSION IN NOISY ENVIRONMENT

  Ryoichi Takashima, Tetsuya Takiguchi, Yasuo Ariki

  2012年, 2012 IEEE WORKSHOP ON SPOKEN LANGUAGE TECHNOLOGY (SLT 2012), 313 - 317, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Consonant Enhancement for Articulation Disorders Based on Non-negative Matrix Factorization

  Ryo Aihara, Ryoichi Takashima, Tetsuya Takiguchi, Yasuo Ariki

  2012年, 2012 ASIA-PACIFIC SIGNAL AND INFORMATION PROCESSING ASSOCIATION ANNUAL SUMMIT AND CONFERENCE (APSIPA ASC), 4 pages, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• An AdaBoost-Based Weighting Method for Localizing Human Brain Magnetic Activity

  T. Takiguchi, R. Takashima, Y. Ariki, T. Imada, J. -F. L. Lin, P. K. Kuhl, M. Kawakatsu, M. Kotani

  2012年, 2012 ASIA-PACIFIC SIGNAL AND INFORMATION PROCESSING ASSOCIATION ANNUAL SUMMIT AND CONFERENCE (APSIPA ASC), 4 pages, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Bag of Grammerを用いたドメイン依存性の少ないWhyテキストセグメント識別器の自動構築法

  田中 克幸, 滝口 哲也, 有木 康雄

  本論文では,non-factoid型質問応答技術の一つであるWhy型質問応答を可能とするための技術として,Whyテキストセグメントを識別する識別器の構築方法を提案する.具体的には,テキストセグメント中の文法情報に着目し,機械学習の一つであるSupport Vector Machineにより,それらの特徴パターンを学習することによって,Whyテキストセグメント識別器を構築する.これにより,どのようなドメインのテキストセグメントに対しても,有効に機能するWhyテキストセグメント識別器が構築でき,WebのようなオープンドメインにおいてWhy型質問応答が可能となる.提案手法によるWhyテキストセグメント識別能力の評価のために,Yahoo!知恵袋の回答集合からなる学習データセットをもとに,Whyテキストセグメント識別器を構築して実験を行った結果,F値=0.661,正解率=63.25%の識別性能を有する識別器を構築することができた.これより,従来のWhy型質問応答の問題点であったルール作成に手間が掛かる,識別器がドメインに依存する,ラベル付けされた学習データの入手が困難である,といった問題が改善され,より識別能力の高いWhyテキストセグメント識別が可能となった.

  一般社団法人電子情報通信学会, 2011年12月, 電子情報通信学会論文誌, Vol. J94-D, No. 12, pp. 2047-2(12) (12), 2047 - 2057, 日本語

  [査読有り]

  研究論文（学術雑誌）


• Constrained Spectrum Generation Using A Probabilistic Spectrum Envelope for Mixed Music Analysis

  NAKASHIKA Toru, TAKIGUCHI Tetsuya, ARIKI Yasuo

  2011年10月, ISMIR, pp. 181-184, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Tracking of Multiple Soccer Players Using a 3D Particle Filter Based on Detector Confidence

  NISHINO Takuro, TAKIGUCHI Tetsuya, ARIKI Yasuo

  2011年02月, Advances in Computer Science and Engineering, Volume 6, Issue 1, pp. 93 - 10, 93 - 104, 英語

  [査読有り]

  研究論文（学術雑誌）


• CENSREC-4: An evaluation framework for distant-talking speech recognition in reverberant environments

  Takahiro Fukumori, Takanobu Nishiura, Masato Nakayama, Yuki Denda, Norihide Kitaoka, Takeshi Yamada, Kazumasa Yamamoto, Satoru Tsuge, Masakiyo Fujimoto, Tetsuya Takiguchi, Chiyomi Miyajima, Satoshi Tamura, Tetsuji Ogawa, Shigeki Matsuda, Shingo Kuroiwa, Kazuya Takeda, Satoshi Nakamura

  2011年, Acoustical Science and Technology, 32(5) (5), 201 - 210, 英語

  [査読有り]

  研究論文（学術雑誌）


• Gaze Estimation Using Regression Analysis and AAMs Parameters Selected Based on Information Criterion

  Manabu Takatani, Yasuo Ariki, Tetsuya Takiguchi

  2011年, COMPUTER VISION - ACCV 2010 WORKSHOPS, PT I, 6468, 400 - 409, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Bag of Grammarを用いたドメイン依存性の少ないWhyテキストセグメント識別器の自動構築法

  田中 克幸, 滝口 哲也, 有木 康雄

  2011年, 電子情報通信学会論文誌, J94-D(No.12) (No.12), 2047 - 2057, 日本語

  [査読有り]

  研究論文（学術雑誌）


• Image Annotation with Concept Level Feature Using PLSA plus CCA

  Yu Zheng, Tetsuya Takiguchi, Yasuo Ariki

  2011年, ADVANCES IN MULTIMEDIA MODELING, PT II, 6524, 454 - 464, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• GENERIC OBJECT RECOGNITION USING AUTOMATIC REGION EXTRACTION AND DIMENSIONAL FEATURE INTEGRATION UTILIZING MULTIPLE KERNEL LEARNING

  Toru Nakashika, Akira Suga, Tetsuya Takiguchi, Yasuo Ariki

  2011年, 2011 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH, AND SIGNAL PROCESSING, 2011 Vol.2, 1229 - 1232, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• FEATURE SELECTION BASED ON MULTIPLE KERNEL LEARNING FOR SINGLE-CHANNEL SOUND SOURCE LOCALIZATION USING THE ACOUSTIC TRANSFER FUNCTION

  Ryoichi Takashima, Tetsuya Takiguchi, Yasuo Ariki

  2011年, 2011 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH, AND SIGNAL PROCESSING, 2011 Vol.4, 2696 - 2699, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Single-channel Head Orientation Estimation Based on Discrimination of Acoustic Transfer Function

  Ryoichi Takashima, Tetsuya Takiguchi, Yasuo Ariki

  2011年, 12TH ANNUAL CONFERENCE OF THE INTERNATIONAL SPEECH COMMUNICATION ASSOCIATION 2011 (INTERSPEECH 2011), VOLS 1-5, pp. 2721-2724, 2732 - 2735, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Probabilistic Spectrum Envelope: Categorized Audio-features Representation for NMF-based Sound Decomposition

  Toru Nakashika, Tetsuya Takiguchi, Yasuo Ariki

  2011年, 12TH ANNUAL CONFERENCE OF THE INTERNATIONAL SPEECH COMMUNICATION ASSOCIATION 2011 (INTERSPEECH 2011), VOLS 1-5, pp. 1765-1768, 1776 - 1779, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Audio-Visual Speech Recognition Based on AAM Parameter and Phoneme Analysis of Visual Feature

  Yuto Komai, Yasuo Ariki, Tetsuya Takiguchi

  2011年, ADVANCES IN IMAGE AND VIDEO TECHNOLOGY, PT I, 7087, 97 - 108, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• 3D Human Pose Estimation from a Monocular Image Using Model Fitting in Eigenspaces

  BO Geli, ONISHI Katsunori, TAKIGUCHI Tetsuya, ARIKI Yasuo

  2010年11月, Journal of Software Engineering and Applications, Volume 3, Number 11, pp. 1060-, 英語

  [査読有り]

  研究論文（学術雑誌）


• Monaural sound-source-direction estimation using the acoustic transfer function of a parabolic reflection board

  Ryoichi Takashima, Tetsuya Takiguchi, Yasuo Ariki

  2010年02月, JOURNAL OF THE ACOUSTICAL SOCIETY OF AMERICA, 127(2) (2), 902 - 908, 英語

  [査読有り]

  研究論文（学術雑誌）


• CENSREC-1-AV: an audio-visual corpus for noisy bimodal speech recognition.

  Satoshi Tamura, Chiyomi Miyajima, Norihide Kitaoka, Takeshi Yamada, Satoru Tsuge, Tetsuya Takiguchi, Kazumasa Yamamoto, Takanobu Nishiura, Masato Nakayama, Yuki Denda, Masakiyo Fujimoto, Shigeki Matsuda, Tetsuji Ogawa, Shingo Kuroiwa, Kazuya Takeda, Satoshi Nakamur

  ISCA, 2010年, Auditory-Visual Speech Processing, AVSP 2010, Hakone, Kanagawa, Japan, September 30 - October 3, 2010, 6

  [査読有り]


• Human Action Recognition Using HDP by Integrating Motion and Location Information

  Yasuo Ariki, Takuya Tonaru, Tetsuya Takiguchi

  2010年, COMPUTER VISION - ACCV 2009, PT II, 5995, 291 - +, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• STRUCTURING A GENE NETWORK USING A MULTIRESOLUTION INDEPENDENCE TEST

  Takayuki Yamamoto, Tetsuya Takiguchi, Yasuo Ariki

  2010年, 2010 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH, AND SIGNAL PROCESSING, 2010 Vol.1, 538 - 541, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• HMM-BASED SEPARATION OF ACOUSTIC TRANSFER FUNCTION FOR SINGLE-CHANNEL SOUND SOURCE LOCALIZATION

  Ryoichi Takashima, Tetsuya Takiguchi, Yasuo Ariki

  2010年, 2010 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH, AND SIGNAL PROCESSING, 2010 Vol.4, 2830 - 2833, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• EVALUATION OF RANDOM-PROJECTION-BASED FEATURE COMBINATION ON SPEECH RECOGNITION

  Tetsuya Takiguchi, Jeff Bilmes, Mariko Yoshii, Yasuo Ariki

  2010年, 2010 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH, AND SIGNAL PROCESSING, 2010 Vol.3, 2150 - 2153, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Generic object recognition by tree conditional random field based on hierarchical segmentation

  Takeshi Okumura, Tetsuya Takiguchi, Yasuo Ariki

  2010年, Proceedings - International Conference on Pattern Recognition, 3025 - 3028, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Speech Synthesis by Modeling Harmonics Structure with Multiple Function

  Toru Nakashika, Ryuki Tachibana, Masafumi Nishimura, Tetsuya Takiguchi, Yasuo Ariki

  2010年, 11TH ANNUAL CONFERENCE OF THE INTERNATIONAL SPEECH COMMUNICATION ASSOCIATION 2010 (INTERSPEECH 2010), VOLS 1-2, pp. 945-948, 945 - +, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Multimodal speech recognition of a person with articulation disorders using AAM and MAF

  Chikoto Miyamoto, Yuto Komai, Tetsuya Takiguchi, Yasuo Ariki, Ichao Li

  2010年, 2010 IEEE International Workshop on Multimedia Signal Processing, MMSP2010, 517 - 520, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• 3D Human Posture Estimation Based on Linear Regression of HOG Features from Monocular Images

  ONISHI Katsunori, TAKIGUCHI Tetsuya, ARIKI Yasuo

  2009年11月, Advances in Computer Science and Engineering, Volume 3, Issue 3, pp. 175-186, 英語

  [査読有り]

  研究論文（学術雑誌）


• Echo Canceller for Multi-Loudspeakers Based on Maximum Likelihood Using an Acoustic Model

  KOGA Kentaro, TAKIGUCHI Tetsuya, ARIKI Yasuo

  2009年10月, Asia-Pacific Signal and Information Processing Association 2009 Annual Summit and Conference, pp. 246-249, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• SPEECH FEATURE EXTRACTION USING WEIGHTED HIGHER-ORDER LOCAL AUTO-CORRELATION

  ARIKI Yasuo, TAKIGUCHI Tetsuya, MUROI Takashi, TAKASHIMA Ryoichi

  2009年08月, Far East Journal of Electronics and Communications, Volume 3, Issue 2, pp. 125 - 1, 英語

  [査読有り]

  研究論文（学術雑誌）


• Situation Recognition Using 3D Positional Information of Ball from Monocular Soccer Image Sequence

  NISHINO Takuro, TAKIGUCHI Tetsuya, ARIKI Yasuo

  2009年08月, The 2009 International Conference on Multimedia, Information Technology and its Applications, pp. 109-112, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Generic Object Recognition using CRF by Incorporating BoF as Global Features

  OKUMURA Takeshi, TAKIGUCHI Tetsuya, ARIKI Yasuo

  2009年08月, The 2009 International Conference on Multimedia, Information Technology and its Applications, pp. 49-52, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Estimation of Ground Surface Displacement from Microwave Radar Images by Using Phase-only Correlation

  MIZUNO Yusuke, TAKIGUCHI Tetsuya, ARIKI Yasuo

  2009年08月, The 2009 International Conference on Multimedia, Information Technology and its Applications, pp. 205-206, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Graph Cuts Segmentation by Using Local Texture Features of Multiresolution Analysis

  Keita Fukuda, Tetsuya Takiguchi, Yasuo Ariki

  2009年07月, IEICE TRANSACTIONS ON INFORMATION AND SYSTEMS, E92D(7) (7), 1453 - 1461, 英語

  [査読有り]

  研究論文（学術雑誌）


• Automatic Segmentation of Object Region Using Graph Cuts Based on Saliency Maps and AdaBoost

  Keita Fukuda, Tetsuya Takiguchi, Yasuo Ariki

  2009年, ISCE: 2009 IEEE 13TH INTERNATIONAL SYMPOSIUM ON CONSUMER ELECTRONICS, VOLS 1 AND 2, 412 - +, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Pose Robust and Person Independent Facial Expressions Recognition Using AAM Selection

  Tomoko Okada, Tetsuya Takiguchi, Yasuo Ariki

  2009年, ISCE: 2009 IEEE 13TH INTERNATIONAL SYMPOSIUM ON CONSUMER ELECTRONICS, VOLS 1 AND 2, 668 - +, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• CENSREC-1-C: An evaluation framework for voice activity detection under noisy environments

  Norihide Kitaoka, Takeshi Yamada, Satoru Tsuge, Chiyomi Miyajima, Kazumasa Yamamoto, Takanobu Nishiura, Masato Nakayama, Yuki Denda, Masakiyo Fujimoto, Tetsuya Takiguchi, Satoshi Tamura, Shigeki Matsuda, Tetsuji Ogawa, Shingo Kuroiwa, Kazuya Takeda, Satoshi Nakamura

  Acoustical Society of Japan, 2009年, Acoustical Science and Technology, 30(5) (5), 363 - 371, 英語

  [査読有り]

  研究論文（学術雑誌）


• Single-Channel Talker Localization Based on Discrimination of Acoustic Transfer Functions

  Tetsuya Takiguchi, Yuji Sumida, Ryoichi Takashima, Yasuo Ariki

  2009年, EURASIP JOURNAL ON ADVANCES IN SIGNAL PROCESSING, 英語

  [査読有り]

  研究論文（学術雑誌）


• Integrated Phoneme Subspace Method for Speech Feature Extraction

  Hyunsin Park, Tetsuya Takiguchi, Yasuo Ariki

  2009年, EURASIP JOURNAL ON AUDIO SPEECH AND MUSIC PROCESSING, 2009, 英語

  [査読有り]

  研究論文（学術雑誌）


• Integration of metamodel and acoustic model for dysarthric speech recognition

  Hironori Matsumasa, Tetsuya Takiguchi, Yasuo Ariki, I-Chao Li, Toshitaka Nakabayashi

  Academy Publisher, 2009年, Journal of Multimedia, 4(4) (4), 254 - 261, 英語

  [査読有り]

  研究論文（学術雑誌）


• Pose robust and person independent facial expressions recognition using AAM selection

  Tomoko Okada, Tetsuya Takiguchi, Yasuo Ariki

  2009年, Digest of Technical Papers - IEEE International Conference on Consumer Electronics, 13th Vol.2, 637 - 638, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Automatic segmentation of object region using graph cuts based on saliency maps and AdaBoost

  Keita Fukuda, Tetsuya Takiguchi, Yasuo Ariki

  2009年, Digest of Technical Papers - IEEE International Conference on Consumer Electronics, 13th Vol.1, 36 - 37, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Monaural Sound-Source-Direction Estimation Using the Acoustic Transfer Function of an Active Microphone

  Ryoichi Takashima, Tetsuya Takiguchi, Yasuo Ariki

  2009年, FUSION: 2009 12TH INTERNATIONAL CONFERENCE ON INFORMATION FUSION, VOLS 1-4, pp. 48-53, 48 - 53, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• SINGLE-CHANNEL MULTI-TALKER-LOCALIZATION BASED ON MAXIMUM LIKELIHOOD

  Ryoichi Takashima, Tetsuya Takiguchi, Yasuo Ariki

  2009年, 2009 IEEE/SP 15TH WORKSHOP ON STATISTICAL SIGNAL PROCESSING, VOLS 1 AND 2, 461 - 464, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• MATHEMATICAL MODELING OF HARMONIC-TIMBRE STRUCTURE WITH MULTI-BETA-DISTRIBUTION

  Toru Nakashika, Tetsuya Takiguchi, Yasuo Ariki

  2009年, 2009 IEEE/SP 15TH WORKSHOP ON STATISTICAL SIGNAL PROCESSING, VOLS 1 AND 2, 768 - 771, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• System Request Detection in Human Conversation Based on Multi-Resolution Gabor Wavelet Features

  Tomoyuki Yamagata, Tetsuya Takiguchi, Yasuo Ariki

  2009年, INTERSPEECH 2009: 10TH ANNUAL CONFERENCE OF THE INTERNATIONAL SPEECH COMMUNICATION ASSOCIATION 2009, VOLS 1-5, pp. 256-259, 284 - 287, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Gradient-Based Acoustic Features for Speech Recognition

  Takashi Muroi, Ryoichi Takashima, Tetsuya Takiguchi, Yasuo Ariki

  2009年, 2009 INTERNATIONAL SYMPOSIUM ON INTELLIGENT SIGNAL PROCESSING AND COMMUNICATION SYSTEMS (ISPACS 2009), 445 - 448, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Improvement of In-Car Speech Recognition by Acoustic Echo Canceller with Maximum Likelihood

  Koga Kentaro, Fukuda Shinji, Takiguchi Tetsuya, Ariki Yasuo

  2008年11月, 15th World Congress on ITS, CD-ROM, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• 顔表情からの関心度推定に基づく映像コンテンツへのタギング

  宮原 正典, 青木 政樹, 滝口 哲也, 有木 康雄

  近年，ユーザが視聴可能な映像コンテンツは莫大な量となってきているため，ユーザが自分の好きな映像コンテンツを探し出すことが困難になりつつある．そこで我々は，映像コンテンツを視聴するユーザを撮影し，その表情から関心度を推定することで映像コンテンツにタギングを行い，番組推薦に役立てるためのシステムを提案する．撮影された顔は，Elastic Bunch Graph Matchingによって，顔特徴点抽出と個人認識が行われ，特定された個人に対して，Support Vector Machinesによって関心のクラスが推定される．関心のクラスは，Neutral，Positive，Negative，Rejectiveの4種類であり，映像コンテンツと同期してフレームごとにタギングが行われる．評価実験の結果，関心クラス推定の平均再現率は86.73% ，平均適合率は86.67%となった．Recently, there are so many videos available for people to choose to watch. To solve this problem, we propose a tagging system for video content based on facial expression that can be used for video content recommendations. Viewer's face captured by a camera is extracted by Elastic Bunch Graph Matching, and Interest class is estimated by Support Vector Machines. The interest classes are Neutral, Positive, Negative and Rejective. They are recorded as “interest tags” in synchronization with video content. Experimental results achieved an averaged recall rate of 86.73%, and averaged precision rate of 86.67%.

  情報処理学会, 2008年10月, 情報処理学会論文誌, Vol.49,No.10,pp.3694-3702(10) (10), 3694 - 3702, 日本語

  [査読有り]

  研究論文（学術雑誌）


• Audio-Based Video Editing with Two-Channel Microphone

  Takiguchi Tetsuya, Adachi Jun, Ariki Yasuo

  2008年07月, International Journal of Hybrid Information Technology, Vol. 1, No. 3, pp. 71-80, 英語

  [査読有り]

  研究論文（学術雑誌）


• マルチセンサとオムニステレオビジョンを用いた人体検出と3次元環境地図の作成

  井上 淳一, 滝口 哲也, 有木 康雄

  神戸大学都市安全研究センター, 2008年03月, 神戸大学都市安全研究センター研究報告, 12, 91 - 102, 日本語


• Multiple Classifier Based on Fuzzy C-Means for a Flower Image Retrieval

  FUKUDA Keita, TAKIGUCHI Tetsuya, ARIKI Yasuo

  2008年03月, NCSP, pp. 76-79, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Language Modeling using PLSA-Based topic HMM

  Atsushi Sako, Tetsuya Takiguchi, Yasuo Ariki

  2008年03月, IEICE TRANSACTIONS ON INFORMATION AND SYSTEMS, E91D(3) (3), 522 - 528, 英語

  [査読有り]

  研究論文（学術雑誌）


• パラボラ反射板を用いたアクティブマイクロフォンによる音源方向推定

  高島 遼一, 滝口 哲也, 有木 康雄

  神戸大学都市安全研究センター, 2008年03月, 神戸大学都市安全研究センター研究報告, pp. 9-12(12) (12), 103 - 108, 日本語

  [査読有り]

  研究論文（国際会議プロシーディングス）

  神戸大学リポジトリ（Kernel）へのリンク


• CENSREC-4: Development of Evaluation Framework for Distant-talking Speech Recognition under Reverberant Environments

  Masato Nakayama, Takanobu Nishiura, Yuki Denda, Norihide Kitaoka, Kazumasa Yamamoto, Takeshi Yamada, Satoru Tsuge, Chiyomi Miyajima, Masakiyo Fujimoto, Tetsuya Takiguchi, Satoshi Tamura, Tetsuji Ogawa, Shigeki Matsuda, Shingo Kuroiwa, Kazuya Takeda, Satoshi Nakamura

  2008年, INTERSPEECH 2008: 9TH ANNUAL CONFERENCE OF THE INTERNATIONAL SPEECH COMMUNICATION ASSOCIATION 2008, VOLS 1-5, 968 - +, ウクライナ語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Evaluation Framework for Distant-talking Speech Recognition under Reverberant Environments - Newest Part of the CENSREC Series -

  Takanobu Nishiura, Masato Nakayama, Yuki Denda, Norihide Kitaoka, Kazumasa Yamamoto, Takeshi Yamada, Satoru Tsuge, Chiyomi Miyajima, Masakiyo Fujimoto, Tetsuya Takiguchi, Satoshi Tamura, Shingo Kuroiwa, Kazuya Takeda, Satoshi Nakamura

  2008年, SIXTH INTERNATIONAL CONFERENCE ON LANGUAGE RESOURCES AND EVALUATION, LREC 2008, 1828 - 1834, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• AdaBoost/LogitBoostによるWhyテキストセグメント判定と回答抽出の自動化

  田中 克幸, 滝口 哲也, 有木 康雄

  2008年, 情報処理学会論文誌, 49(6) (6), 2234 - 2242, 日本語

  [査読有り]

  研究論文（学術雑誌）


• Tagging Video Contents with Positive/Negative Interest Based on User’s Facial Expression

  MIYAHARA Masanori, AOKI Masaki, TAKIGUCHI Tetsuya, ARIKI Yasuo

  2008年, The 14th International Multimedia Modeling Conference, 4903, 210 - +, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Speaker independent phoneme recognition based on Fisher weight map

  Takashi Muroi, Tetsuya Takiguchi, Yasuo Ariki

  2008年, MUE: 2008 INTERNATIONAL CONFERENCE ON MULTIMEDIA AND UBIQUITOUS ENGINEERING, PROCEEDINGS, 253 - 257, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Human-robot interface using system request utterance detection based on acoustic features

  Tetsuya Takiguchi, Tomoyuki Yamagata, Atsushi Sako, Nobuyuki Miyake, Jerome Revaud, Yasuo Ariki

  2008年, MUE: 2008 INTERNATIONAL CONFERENCE ON MULTIMEDIA AND UBIQUITOUS ENGINEERING, PROCEEDINGS, 304 - +, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Audio-based video editing with two-channel microphone

  Tetsuya Takiguchi, Jun Adachi, Yasuo Ariki

  2008年, MUE: 2008 INTERNATIONAL CONFERENCE ON MULTIMEDIA AND UBIQUITOUS ENGINEERING, PROCEEDINGS, 282 - +, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Integration of phoneme-subspaces using ICA for speech feature extraction and recognition

  Hyunsin Park, Tetsuya Takiguchi, Yasuo Ariki

  2008年, 2008 HANDS-FREE SPEECH COMMUNICATION AND MICROPHONE ARRAYS, 149 - 152, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Active microphone with parabolic reflection board for estimation of sound source direction

  Tetsuya Takiguchi, Ryoichi Takashima, Yasuo Ariki

  2008年, 2008 HANDS-FREE SPEECH COMMUNICATION AND MICROPHONE ARRAYS, 66 - 69, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• GRAPH CUTS BY USING LOCAL TEXTURE FEATURES OF WAVELET COEFFICIENT FOR IMAGE SEGMENTATION

  Keita Fukuda, Tetsuya Takiguchi, Yasuo Ariki

  2008年, 2008 IEEE INTERNATIONAL CONFERENCE ON MULTIMEDIA AND EXPO, VOLS 1-4, 881 - +, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• DIGITAL CAMERA WORK FOR SOCCER VIDEO PRODUCTION WITH EVENT RECOGNITION AND ACCURATE BALL TRACKING BY SWITCHING SEARCH METHOD

  Yasuo Ariki, Tetsuya Takiguchi, Kazuki Yano

  2008年, 2008 IEEE INTERNATIONAL CONFERENCE ON MULTIMEDIA AND EXPO, VOLS 1-4, 889 - +, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Speaker independent phoneme recognition based on Fisher weight map

  Takashi Muroi, Tetsuya Takiguchi, Yasuo Ariki

  2008年, MUE: 2008 INTERNATIONAL CONFERENCE ON MULTIMEDIA AND UBIQUITOUS ENGINEERING, PROCEEDINGS, Vol. 1, No. 3, pp. 61-70, 253 - 257, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Human-robot interface using system request utterance detection based on acoustic features

  Tetsuya Takiguchi, Tomoyuki Yamagata, Atsushi Sako, Nobuyuki Miyake, Jerome Revaud, Yasuo Ariki

  2008年, MUE: 2008 INTERNATIONAL CONFERENCE ON MULTIMEDIA AND UBIQUITOUS ENGINEERING, PROCEEDINGS, Vol. 1, No. 3, pp. 81-90, 304 - +, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Sudden Noise Reduction Based on GMM with Noise Power Estimation

  Nobuyuki Miyake, Tetsuya Takiguchi, Yasuo Ariki

  2008年, INTERSPEECH 2008: 9TH ANNUAL CONFERENCE OF THE INTERNATIONAL SPEECH COMMUNICATION ASSOCIATION 2008, VOLS 1-5, pp. 403-406, 403 - 406, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Integration of Metamodel and Acoustic Model for Speech Recognition

  Hironori Matsumasa, Tetsuya Takiguchi, Yasuo Ariki, Ichao Li, Toshitaka Nakabayashi

  2008年, INTERSPEECH 2008: 9TH ANNUAL CONFERENCE OF THE INTERNATIONAL SPEECH COMMUNICATION ASSOCIATION 2008, VOLS 1-5, pp. 2234-2237, 2234 - +, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Object Recognition and Segmentation Using SIFT and Graph Cuts

  Akira Suga, Keita Fukuda, Tetsuya Takiguchi, Yasuo Ariki

  2008年, 19TH INTERNATIONAL CONFERENCE ON PATTERN RECOGNITION, VOLS 1-6, CD-ROM, 1179 - +, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• 3D Human Posture Estimation Using the HOG Features from Monocular Image

  Katsunori Onishi, Tetsuya Takiguchi, Yasuo Ariki

  2008年, 19TH INTERNATIONAL CONFERENCE ON PATTERN RECOGNITION, VOLS 1-6, CD-ROM, 1466 - +, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Sudden Noise Reduction Based on GMM with Noise Power Estimation

  Nobuyuki Miyake, Tetsuya Takiguchi, Yasuo Ariki

  2008年, INTERSPEECH 2008: 9TH ANNUAL CONFERENCE OF THE INTERNATIONAL SPEECH COMMUNICATION ASSOCIATION 2008, VOLS 1-5, Volume 3, Number 4, pp. 341-34, 403 - 406, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• 構音障害者の音声認識に関する研究

  有木 康雄, 滝口 哲也, 松政 宏典

  神戸大学都市安全研究センター, 2007年03月, 神戸大学都市安全研究センター研究報告, 11, 191 - 196, 日本語


• Two-channel-based noise reduction in a complex spectrum plane for hands-free communication system

  Toshiya Ohkubo, Tetsuya Takiguchi, Yasuo Ariki

  2007年03月, Journal of VLSI Signal Processing Systems for Signal, Image, and Video Technology, 46(2-3) (2-3), 123 - 131, 英語

  [査読有り]

  研究論文（学術雑誌）


• Two-channel-based noise reduction in a complex spectrum plane for hands-free communication system

  Toshiya Ohkubo, Tetsuya Takiguchi, Yasuo Ariki

  2007年03月, JOURNAL OF VLSI SIGNAL PROCESSING SYSTEMS FOR SIGNAL IMAGE AND VIDEO TECHNOLOGY, 46(2-3) (2-3), 123 - 131, 英語

  [査読有り]

  研究論文（学術雑誌）


• Development of vad evaluation framework CENSREC-1-C and investigation of relationship between VAD and speech recognition perfornlance

  Norihide Kitaoka, Kazumasa Yamamoto, Tomohiro Kusamizu, Seiichi Nakagawa, Takeshi Yamada, Satoru Tsuge, Chiyomi Miyajima, Takanobu Nishiura, Masato Nakayama, Yuki Denda, Masakiyo Fujimoto, Tetsuya Takiguchi, Satoshi Tamura, Shingo Kuroiwa, Kazuya Takeda, Satoshi Nakamura

  2007年, 2007 IEEE WORKSHOP ON AUTOMATIC SPEECH RECOGNITION AND UNDERSTANDING, VOLS 1 AND 2, 607 - +, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• PCA-based speech enhancement for distorted speech recognition

  Tetsuya Takiguchi, Yasuo Ariki

  Academy Publisher, 2007年, Journal of Multimedia, 2(5) (5), 13 - 18, 英語

  [査読有り]

  研究論文（学術雑誌）


• Noise detection and classification in speech signals with boosting

  Nobuyuki Miyake, Tetsuya Takiguchi, Yasuo Ariki

  2007年, 2007 IEEE/SP 14TH WORKSHOP ON STATISTICAL SIGNAL PROCESSING, VOLS 1 AND 2, 778 - 782, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Estimation of room acoustic transfer function using speech model

  Tetsuya Takiguchi, Yuji Sumida, Yasuo Ariki

  2007年, 2007 IEEE/SP 14TH WORKSHOP ON STATISTICAL SIGNAL PROCESSING, VOLS 1 AND 2, 336 - 340, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Voice activity detection by lip shape tracking using EBGM

  Masaki Aoki, Ken Masuda, Hiroyoshi Matsuda, Tetsuya Takiguchi, Yasuo Ariki

  2007年, Proceedings of the ACM International Multimedia Conference and Exhibition, 561 - 564, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• System Request Detection in Conversation Based on Acoustic and Speaker Alternation Features

  Tomoyuki Yamagata, Atsushi Sako, Tetsuya Takiguchi, Yasuo Ariki

  2007年, INTERSPEECH 2007: 8TH ANNUAL CONFERENCE OF THE INTERNATIONAL SPEECH COMMUNICATION ASSOCIATION, VOLS 1-4, pp. 2789-2792, 2776 - +, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• PCA-Based Feature Extraction for Fluctuation in Speaking Style of Articulation Disorders

  Hironori Matsumasa, Tetsuya Takiguchi, Yasuo Ariki, Ichao Li, Toshitaka Nakabayashi

  2007年, INTERSPEECH 2007: 8TH ANNUAL CONFERENCE OF THE INTERNATIONAL SPEECH COMMUNICATION ASSOCIATION, VOLS 1-4, pp. 1150-1153, 1425 - +, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Language Modeling using PLSA-Based Topic HMM

  Atsushi Sako, Tetsuya Takiguchi, Yasuo Ariki

  2007年, INTERSPEECH 2007: 8TH ANNUAL CONFERENCE OF THE INTERNATIONAL SPEECH COMMUNICATION ASSOCIATION, VOLS 1-4, pp. 606-609, 2924 - +, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Kernel PCAを用いた残響下におけるロバスト特徴量抽出の検討

  滝口 哲也, 有木 康雄

  2006年06月, 情報処理学会論文誌, Vol. 47, No. 6, pp. 1767-1773, 日本語

  [査読有り]

  研究論文（学術雑誌）


• 騒音下における独立成分分析とスペクトルサブトラクションを用いた雑音除去に関する研究

  有木 康雄, 滝口 哲也, 住田 雄司

  神戸大学都市安全研究センター, 2006年03月, 神戸大学都市安全研究センター研究報告, 10, 117 - 124, 日本語


• Acoustic model adaptation using first-order linear prediction for reverberant speech

  T Takiguchi, M Nishimura, Y Ariki

  2006年03月, IEICE TRANSACTIONS ON INFORMATION AND SYSTEMS, E89D(3) (3), 908 - 914, 英語

  [査読有り]

  研究論文（学術雑誌）


• Robust feature extraction using kernel PCA

  Tetsuya Takiguchi, Yasuo Ariki

  2006年, 2006 IEEE International Conference on Acoustics, Speech and Signal Processing, Vols 1-13, pp. 509-512, 509 - 512, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Phoneme Recognition Based on Fisher Weight Map to Higher-Order Local Auto-Correlation

  Yasuo Ariki, Shunsuke Kato, Tetsuya Takiguchi

  2006年, INTERSPEECH 2006 AND 9TH INTERNATIONAL CONFERENCE ON SPOKEN LANGUAGE PROCESSING, VOLS 1-5, pp. 377-380, 377 - 380, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• 2chマイクロフォンを用いた複素スペクトル平面上での幾何学的処理による雑音除去

  有木 康雄, 滝口 哲也, 大久保 俊也

  神戸大学都市安全研究センター, 2005年03月, 神戸大学都市安全研究センター研究報告, 9, 179 - 185, 日本語


• Two-channel-based noise reduction in a complex spectrum plane for hands-free communication system

  T Ohkubo, T Takiguchi, Y Ariki

  2005年, ADVANCES IN MULTIMEDIA INFORMATION PROCESSING - PCM 2005, PT 2, 3768, 923 - 934, 英語

  [査読有り]

  研究論文（学術雑誌）


• Situation Based Speech Recognition for Structuring Baseball Live Games

  SAKO Atsushi, TAKIGUCHI Tetsuya, ARIKI Yasuo

  2005年, Interspeech, pp. 3453-3456, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Recognition of hands-free speech and hand pointing action for conversational TV

  Yasuo Ariki, Tetsuya Takiguchi, Atsushi Sako

  2005年, Proceedings of the 13th ACM International Conference on Multimedia, MM 2005, 355 - 358, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Sound source localization using a profile fitting method with sound reflectors

  O Ichikawa, T Takiguchi, M Nishimura

  2004年05月, IEICE TRANSACTIONS ON INFORMATION AND SYSTEMS, E87D(5) (5), 1138 - 1145, 英語

  [査読有り]

  研究論文（学術雑誌）


• Improved HMM separation for distant-talking speech recognition

  T Takiguchi, M Nishimura

  2004年05月, IEICE TRANSACTIONS ON INFORMATION AND SYSTEMS, E87D(5) (5), 1127 - 1137, 英語

  [査読有り]

  研究論文（学術雑誌）


• Acoustic model adaptation using first order prediction for reverberant speech

  T Takiguchi, M Nishimura

  2004年, 2004 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH, AND SIGNAL PROCESSING, VOL I, PROCEEDINGS, 869-872, 869 - 872, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Speech enhancement by profile fitting method

  O Ichikawa, T Takiguchi, M Nishimura

  2003年03月, IEICE TRANSACTIONS ON INFORMATION AND SYSTEMS, E86D(3) (3), 514 - 521, 英語

  [査読有り]

  研究論文（学術雑誌）


• Sound Source localization using a Pinna-Based Profile Fitting Method

  ICHIKAWA O, TAKIGUCHI Tetsuya, NISHIMURA M

  2003年, Proc. International Workshop on Acoustic Echo and Noise Control, 263-266, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Reverberant Speech Recognition using First-Order Linear Prediction

  TAKIGUCHI Tetsuya, NISHIMURA M

  2003年, Proc. International Congress on Acoustics, 2829-2830, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• HMM-separation-based speech recognition for a distant moving speaker

  Tetsuya Takiguchi, Satoshi Nakamura, Kiyohiro Shikano

  IEEE, 2001年02月, IEEE Transactions on Speech and Audio Processing, 9(2) (2), 127 - 140, 英語

  [査読有り]

  研究論文（学術雑誌）


• Speech recognition for a distant moving speaker based on HMM composition and separation

  T. Takiguchi, S. Nahamura, K. Shikano

  Institute of Electrical and Electronics Engineers Inc., 2000年, ICASSP, IEEE International Conference on Acoustics, Speech and Signal Processing - Proceedings, 3, 1403 - 1406, 英語

  [査読有り]

  研究論文（国際会議プロシーディングス）


• Model adaptation based on HMM decomposition for reverberant speech recognition

  Tetsuya Takiguchi, Satoshi Nakamura, Qiang Huo, Kiyohiro Shikano

  IEEE, 1997年, ICASSP, IEEE International Conference on Acoustics, Speech and Signal Processing - Proceedings, 2, 827 - 830, 英語

  研究論文（国際会議プロシーディングス）


• Noise and room acoustics distorted speech recognition by HMM composition

  Satoshi Nakamura, Tetsuya Takiguchi, Kiyohiro Shikano

  IEEE, 1996年, ICASSP, IEEE International Conference on Acoustics, Speech and Signal Processing - Proceedings, 1, 69 - 72, 英語

  研究論文（国際会議プロシーディングス）

• 軽量な畳み込みネットワークを用いたDeep Priorによるリードフィールドと電流源の同時推定

  北条直樹, 矢野肇, 高島遼一, 滝口哲也, 中川誠司

  2024年, 日本生体磁気学会誌, 37(1) (1)


• 音声想起時の脳活動識別のためのデータ拡張手法の検討

  矢野肇, 高島遼一, 滝口哲也, 中川誠司

  2024年, 日本音響学会研究発表会講演論文集(CD-ROM), 2024


• 読み上げ音声を用いた CycleGAN-VC2 によるオペラ歌唱音声合成

  菅原 碧斗, 岸本 宗真, 足立 優司, 田井 清登, 高島 遼一, 滝口 哲也

  神戸大学都市安全研究センター, 2023年03月, 神戸大学都市安全研究センター研究報告, 27, 51 - 56, 日本語

  速報，短報，研究ノート等（大学，研究機関紀要）

  神戸大学リポジトリ（Kernel）へのリンク


• 震災アーカイブにおける言語モデルを用いた視覚探索

  富谷 竜一, 高島 遼一, Tristan Hascoet, 滝口 哲也

  神戸大学都市安全研究センター, 2023年03月, 神戸大学都市安全研究センター研究報告, 27, 45 - 50, 日本語

  速報，短報，研究ノート等（大学，研究機関紀要）

  神戸大学リポジトリ（Kernel）へのリンク


• 事前学習済み言語生成モデルを用いた知識グラフ検索に基づく対話システム

  佐良 和孝, 滝口 哲也, 有木 康雄

  近年，ニューラルネットワークを用いた対話システムに，文書や知識グラフといった，外部知識へのアクセス機能を持たせる研究が盛んに行われている。しかしながら，このような機能を持つ対話システムを実現するためには，通常の応答生成モジュールに加え，知識検索のためのモジュールが複数必要になり，システム全体の学習, 推論が複雑になるといった問題や．システム全体のパラメータ数が多くなるといった問題がある．そこで，本研究では，上記全てのモジュールが事前学習済み言語生成モデルを用いて，Text-to-Textで学習, 推論可能であるフレームワークを提案する。提案手法は, Adapter層を用いたマルチタスク学習を用いることで，システム全体のパラメータ数の削減が可能になる．自動評価を用いた比較の結果，一般的なSeq2Seqで学習された対話システムに比べ、提案手法は優れた応答を生成できることが分かった．．

  一般社団法人 人工知能学会, 2021年11月20日, 人工知能学会研究会資料 言語・音声理解と対話処理研究会, 93, 44 - 49, 日本語


• ダイバー同士の水中会話を支援するための深層学習を用いた音声認識手法

  土田, 修平, Worachat, Arunothaikrit, Haomin, Mao, 大西, 鮎美, 寺田, 努, 塚本, 昌彦, 滝口, 哲也

  ダイバーが水中でコミュニケーションをとることは，安全面や娯楽面などの観点から重要である．水中における即時性・柔軟性に優れたコミュニケーション方法としては，聴覚を介した音声コミュニケーションが挙げられる．しかし．ダイバーは口にレギュレータを装着しているため，口を正しく動かすことができず，正しい発音で話すことができない．そこで本研究では，水中での円滑な音声コミュニケーションの実現を目指し，レギュレータを口で咥えた状態での不明瞭な音声から音素を認識するシステムを提案する．ダイバー用レギュレータに防水マイクを取り付け，水中での音声を録音し，深層学習を用いて音素の推定を試みた．また，発音の際の口の変化に着目し，ダイバー用レギュレータの上面と左面に圧力センサを設置し，推定精度の向上を試みた．その結果，音声のみを用いたデータの場合の方が推定精度が高かったが，特定の音素においては音声と圧力センサ値の混合データを用いた場合の方が推定精度が優れていることがわかった．

  情報処理学会, 2021年06月23日, マルチメディア，分散協調とモバイルシンポジウム2021論文集, 2021(1) (1), 317 - 324, 日本語

  神戸大学リポジトリ（Kernel）へのリンク


• Style Transferを用いた電子顕微鏡画像の合成

  中嶋, 彩也香, Xuejiao, Deng, Tristan, Hascoet, 高島, 遼一, 滝口, 哲也

  深度画像から計算された勾配の大きさ、曲率と、スタイル変換を用いて調整されたパラメータから電子顕微鏡画像を合成する。

  2021年03月04日, 第83回全国大会講演論文集, 2021(1) (1), 117 - 118, 日本語


• 健常者音声モデルの話者適応に基づく脊髄性筋萎縮症者の高明瞭度音声合成

  吉本拓真, 高島遼一, 佐々木千穂, 滝口哲也

  脊髄性筋萎縮症(SMA)は脊髄の運動神経細胞の病変によって起こる筋萎縮症で、重度の場合は呼吸不全が見られる。気管切開などによる人工呼吸器の装着、口を動かす筋肉の萎縮などが原因で、彼らの発話は健常者と比較して不明瞭なものとなる。そのためその言葉を聞き取ることが容易でなく、コミュニケーションを円滑にとれないという問題がある。本論文ではこのSMA を抱えた方の発話を分析したうえで、コミュニケーション支援のためのテキスト音声合成システムを提案する。近年は目覚ましい発展を遂げる深層学習を用いた音声合成手法は、高品質で自然な音声を生成することができる。近年ではこれらの技術を利用したコミュニケーション支援のための音声合成アプリケーションも存在するが、そこで生成される音声は学習に用いた人の音声をもとに作成されるため、使用者本人の声とは別人のものとなってしまう。そこで本研究では音声合成システムの作成に健常者音声にて作成したモデルを脊髄性筋萎縮症者へ話者適応するアプローチを提案する。これにより、健常者音声に由来する明瞭性と脊髄性筋萎縮症者音声に由来する本人性を兼ね備えた音声を合成することを目指す。

  神戸大学都市安全研究センター, 2021年03月, 神戸大学都市安全研究センター研究報告, 25, 191 - 196, 日本語

  速報，短報，研究ノート等（大学，研究機関紀要）

  神戸大学リポジトリ（Kernel）へのリンク


• 構音障害者音声認識のための自己教師あり学習とモデル適応の統合方法の検討

  澤佑哉, 高島遼一, 滝口哲也, 高田哲

  2021年03月, 神戸大学都市安全研究センター研究報告, 25, 139 - 144

  速報，短報，研究ノート等（大学，研究機関紀要）

  神戸大学リポジトリ（Kernel）へのリンク


• Deep prior を用いた脳磁図の電流源推定

  山名莉央, 矢野肇, 高島遼一, 滝口哲也

  脳機能の局在性の解明や脳疾患の診断に応用するため，脳内の電流源の推定が行われてきた．しかし，時間分解能に優れた非侵襲な脳機能計測手法である脳磁図や脳波を用いた脳内の電流分布の推定は，電流源のパラメータ数に対して脳磁図・脳波のセンサの数が少ない劣決定問題であるため，本質的に困難である．電流源推定の代表的な手法では，明示的に電流源の事前分布を与えることでこの問題を解決しているが，実際の電流源の事前分布は不明である．近年，畳み込み構造を持つ深いニューラルネットワークが，未学習であっても自然な画像の事前分布の役割を果たすことが示されている．これはDeep Image Prior と呼ばれ，画像修復，超解像，ノイズ除去といった画像分野の逆問題に有効であることが示されている．また，このような未学習の深いネットワークによる事前分布（Deep Prior）は，様々な分野の逆問題にも応用されてきている．本研究では，Deep Prior を用いて電流源推定を行い，従来手法（MNE，sLORETA）と比較し有効性の検証を行った．このとき，シミュレーションデータと実際のデータを用いた．電流源の推定を行った結果，畳み込みのネットワークが電流源の事前分布を表現可能であることを示した．

  神戸大学都市安全研究センター, 2021年03月, 神戸大学都市安全研究センター研究報告, 25, 113 - 118, 日本語

  速報，短報，研究ノート等（大学，研究機関紀要）

  神戸大学リポジトリ（Kernel）へのリンク


• 「音声コミュニケーションと障がい者」の発刊の意義—Significance of the publication "Speech communication and people with disabilities"—第187回 ヒューマンインタフェース学会研究会 個々のニーズに立脚した高齢者・障害者支援技術および一般

  市川 熹, 長嶋 祐二, 岡本 明, 加藤 直人, 酒向 慎司, 滝口 哲也, 原 大介, 幕内 充

  2021年, ヒューマンインタフェース学会研究報告集, 23, 121 - 124, 日本語


• Convolutional Neural Networks with Skeleton Kernel

  Weihao Zhuang, Tristan Hascoet, Ryoichi Takashima, Tetsuya Takiguchi, Yasuo Ariki

  2020年08月, 第23回画像の認識・理解シンポジウム


• 健常者音素認識モデルを用いた構音障害者音声の明瞭性改善

  南坂 竜翔, 高島 遼一, 滝口 哲也

  2020年03月, 神戸大学都市安全研究センター研究報告, (24) (24), 105 - 110

  速報，短報，研究ノート等（大学，研究機関紀要）

  神戸大学リポジトリ（Kernel）へのリンク


• ロバストな対話システムのための発話スタイルに非依存なエンコード・デコード手法の提案

  古舞 千暁, 有木 康雄, 滝口 哲也

  一般社団法人 人工知能学会, 2019年11月20日, 人工知能学会研究会資料 言語・音声理解と対話処理研究会, 87, 25, 日本語


• Reduce GPU Memory Usage of Training Neural Network by CPU Offloading

  Weihao Zhuang, Tristan Hascoet, Ryoichi Takashima, Tetsuya Takiguchi, Yasuo Ariki

  2019年08月, 第22回画像の認識・理解シンポジウム

  研究発表ペーパー・要旨（全国大会，その他学術会議）


• 生態系モニタリングのための昆虫認識手法に関する検討

  谷田 啓一, Tristan Hascoet, 高島 遼一, 滝口 哲也, 有木 康雄, 大江 夏帆, 佐藤 拓哉

  2019年08月, 第22回画像の認識・理解シンポジウム

  研究発表ペーパー・要旨（全国大会，その他学術会議）


• 乳幼児期における言語発達形成過程の検討(フォルマント解析を用いて)

  前林 英貴, 滝口 哲也, Hidetaka MAEBAYASHI, Tetsuya TAKIGUCHI

  島根県立大学短期大学部松江キャンパス, 2017年, 島根県立大学短期大学部松江キャンパス研究紀要, (56) (56), 21 - 30, 日本語


• Alternating Direction Method of Multipliersを用いた声質変換のためのパラレル辞書学習 (音声) -- (第17回音声言語シンポジウム)

  相原 龍, 滝口 哲也, 有木 康雄

  電子情報通信学会, 2015年12月02日, 電子情報通信学会技術研究報告 = IEICE technical report : 信学技報, 115(346) (346), 13 - 18, 日本語


• 構音障害者音声認識のための混合正規分布に基づく音素ラベリングの検討

  高島 悠樹, 中鹿 亘, 滝口 哲也

  日本音響学会, 2015年06月18日, 聴覚研究会資料 = Proceedings of the auditory research meeting, 45(4) (4), 275 - 280, 日本語


• 脳磁界計測によるエアコン音の"涼しさ"の印象評価の試み

  矢野 肇, 保手浜 拓也, 滝口 哲也, 有木 康雄, 神谷 勝, 中川 誠司

  日本生体磁気学会, 2015年06月, 日本生体磁気学会誌, 28(1) (1), 106 - 107, 日本語


• 話者適応型Restricted Boltzmann Machineを用いた声質変換の検討

  中鹿 亘, 滝口 哲也, 有木 康雄

  質変換は，入力した音声を音韻情報などを保ったまま，話者性に関する特定の情報のみを変換する技術であり，話者変換や感情変換，発話支援など様々なタスクへの応用が期待されている．従来の多くの声質変換手法は，同一発話内容の入出力音声対 （パラレルデータ） を学習時に必要とするが，予め発話内容を決めておく必要がある，音声間のアライメントを取る必要があるなど，学習データを慎重に用意しなければならないという問題がある．また，変換モデルの利用は学習された話者対のみに限定されてしまう．本研究では，パラレルデータを必要としない任意話者声質変換を実現するため，確率モデルの一つである Restricted Boltzmann machine(RBM) を拡張した話者適応型 RBM（Adaptive restricted Boltzmann machine; ARBM） を新たに提案する．適応型 RBM は可視素子層と隠れ素子層からなる二層の確率モデルであり，異なる層の素子間には話者によって変化する結合重みが存在する．本稿では，適応型 RBM を用いた任意話者声質変換に関する評価実験の結果について報告する．Voice conversion (VC) is a technique where only speaker-specific information in source speech is converted while keeping phonological information. The technique can be applied to various tasks such as speaker-identity conversion, emotion conversion and aid to speaking for people with articulation disorders. Most of the existing VC methods rely on parallel data—pairs of speech data from source and target speakers uttering the same articles. However, this approach involves several problems; firstly, the data used for the training is limited to the pre-defined articles. Secondly, the use of the trained model is limited only to the speaker pair used in the training. In this paper, we propose a novel probabilistic model called an adaptive restricted Boltzmann machine (ARBM) for VC between arbitrary speakers without use of parallel data. This model consists of a visible-unit and a hidden-unit layer with the speaker-dependent connection. In this paper, we report our experimental results of arbitrary-speaker VC using our model, an ARBM.

  一般社団法人情報処理学会, 2014年12月08日, 研究報告音声言語情報処理（SLP）, 2014(30) (30), 1 - 6, 日本語


• 雑音環境下における特徴量重み付きマルチモーダル声質変換

  真坂 健太, 相原 龍, 滝口 哲也, 有木 康雄

  声質変換は，入力した音声を音韻情報などは保ったまま，話者性のような特定の情報のみを変換する技術であり，話者変換や感情変換，発話支援など様々なタスクへの応用が期待されている．従来の代表的な手法である GMM を用いた統計的なアプローチ等は，あくまでクリーン音声を用いた評価を行っており，雑音環境下を考慮した定式化はされていない本研究では，雑音環境下での声質変換など，これまでになかったタスクに対応可能な非負値行列因子分解 （Non-negative Matrix Factorization：NMF） による声質変換を扱う．我々はこれまで，この NMF に基づいた，音声だけではなく唇画像情報を用いたマルチモーダルな声質変換手法を提案してきた．入力話者の特徴量として，音声と画像情報を用いることで変換精度，及びノイズロバスト性の向上を目指した．本論文では，さらに特徴量重みを導入し，新たにコスト関数を提案した．実験結果より，音声情報のみを用いた NMF による声質変換，及び GMM による声質変換よりも提案手法が精度の良い変換が行える事を示す．Voice conversion is a technique for converting specific information in speech while maintaining the other information, such as linguistic information. This technique has been applied to various tasks, for example, there are speaker conversion, emotion conversion and speaking assistance, etc. The GMM-based method is conventional VC method and widely used. In noisy environments, the GMM-based method cannot convert the speech well, because this method cannot model the noisy signal well. Therefore, we have been researched about a noise-robust VC method using Non Negative Matrix Factorization (NMF). In this paper, we propose a multimodal VC method that improves the noise robustness of our previous exemplar-based VC method. Furthermore, we introduce the combination weight between audio and visual features and formulate a new cost function in order to estimate the audio-visual exemplars. By using the joint audio-visual features as source features, the VC performance is improved compared to a previous audio-input exemplar-based VC method. The effectiveness of this method was confirmed by comparing it with that of the conventional audio input NMF-based method and the conventional GMM-based method.

  一般社団法人情報処理学会, 2014年12月08日, 研究報告音声言語情報処理（SLP）, 2014(17) (17), 1 - 6, 日本語


• Multiple Non-negative Matrix Factorization を用いた多対一声質変換

  相原 龍, 滝口 哲也, 有木 康雄

  本報告では，非負値行列因子分解 (NMF) を拡張したMultiple Non-negative Matrix Factorization (Multi-NMF) を提案し，任意話者の発話を特定話者の発話へと変換する多対一声質変換を行う．従来，声質変換は入力話者の声質を出力話者のものへ変換する話者変換を目的として広く研究されてきた．声質変換において最も一般的な手法は混合正規分布モデル (GMM) を用いた統計的手法であり，統計的声質変換の枠組みは複数の事前収録話者から構成されるパラレルデータセットを用いて，任意の話者から他の任意の話者への変換へと拡張されている．一方，統計的声質変換に代わる手法として ＮＭＦ を用いた Exemplar-based 声質変換がある．この手法は，NMF が有する雑音除去機能と，Exemplar-based 手法がもつ変換音声の自然性保持という利点から研究が進められている．しかしながら，NMF 声質変換においては入力話者と出力話者のパラレルデータの存在が前提であり，これまでは任意話者からの声質変換は不可能であった．そこで本報告では，Multi-NMF による，入力話者の発話データを学習せずども変換できる多対一声質変換を提案する．入力話者の発話スペクトルは，事前に学習された複数の話者の発話スペクトルの線形和で表現され，その結合重み係数を用いて目標話者の発話スペクトルヘと変換される．この手法は，多対多声質変換や，話者性を制御可能な声質変換へと応用可能であると考えられる．Voice conversion (VC) is being widely researched in the field of speech processing because of increased interest in using such processing in applications such as personalized Text-To-Speech systems. Statistical approach using Gaussian Mixture Model (GMM) is widely researched in VC and eigen-voice GMM enables one-to-many and many-to-one VC from multiple training data sets. We present in this paper an exemplar-based VC method using Non-negative Matrix Factorization (NMF), which is different from conventional statistical VC. NMF-based VC has advantages of noise robustness and naturalness of converted voice compared to GMM-based VC. However, because NMF-based VC is based on parallel training data of source and target speaker, we cannot covert voice of arbitrary speakers in this framework. In this paper, we propose a many-to-one VC using Multiple Non-negative Matrix Factorization (Multi-NMF). By using Multi-NMF, arbitrary speaker's voice is converted to target speaker's voice without any training data of input speaker's. We assume that this method is flexible because we can adopt it to many-to-many VC or voice quality control.

  一般社団法人情報処理学会, 2014年12月08日, 研究報告音声言語情報処理（SLP）, 2014(15) (15), 1 - 6, 日本語


• スパース辞書学習による構音障害者の話者性を維持した声質変換

  相原 龍, 滝口 哲也, 有木 康雄

  日本音響学会, 2014年06月19日, 聴覚研究会資料 = Proceedings of the auditory research meeting, 44(5) (5), 283 - 288, 日本語


• スパース表現に基づく声質変換のための結合型 restricted Boltzmann machine

  中鹿 亘, 滝口 哲也, 有木 康雄

  近年，声質変換の研究分野において，over-fitting や over-smoothing の生じにくいスパース表現に基づく手法が注目を浴びている．スパース表現に基づく声質変換法では，予め入力話者・出力話者のパラレル辞書を求めておき，スパースな辞書選択重みを用いて適切な辞書を選択することで声質変換を実現するとの手法は主に 2 つのアプローチに分けることができる．1 つ目はパラレル辞書として，学習データの音響特徴量をそのまま辞書として用いるアプローチであり，もう １ つは，パラレル辞書そのものを何らかの手法で学習させるアプローチである．本研究では，後者のアプローチに基づき，近年注目を浴びている Deep Learning の基礎技術となる restricted Bolzmann machine(RBM) を用いて，入力話者・出力話者のパラレル辞書を体系的に求める手法を提案する．評価実験では，代表的な手法である Gaussian mixture model(GMM) だけでなく，従来のスパース表現に基づく手法である､non-negative matrix factorization (NMF) による声質変換法に比べて高い精度が得られたことを確認した．In voice conversion, sparse-representation-based methods have recently been garnering attention because they are, relatively speaking, not affected by over-fitting or over-smoothing problems. In these approaches, voice conversion is achieved by estimating a sparse vector that determines which dictionaries of the target speaker should be used, calculated from the matching of the input vector and dictionaries of the source speaker. The sparse-repre sentation-based voice conversion methods can be broadly divided into two approaches: 1) an approach that uses raw acoustic features in the training data as parallel dictionaries, and 2) an approach that trains parallel dictionaries from the training data. Our approach belongs to the latter; we systematically estimate the parallel dictionaries using a restricted Boltzmann machine, a fundamental technology commonly used in deep learning. Through voice-conver sion experiments, we confirmed the high-performance of our method, comparing it with the conventional Gaussian mixture model (GMM)-based approach, and a non-negative matrix factorization (NMF)-based approach, which is based on sparse-representation.

  2014年05月17日, 研究報告音楽情報科学（MUS）, 2014(66) (66), 1 - 6, 日本語


• 話者依存型Conditional Restricted Boltzmann Machineによる声質変換 (音声)

  中鹿 亘, 滝口 哲也, 有木 康雄

  本研究では,元の音響特徴量空間よりも音韻性や時間変化性を抑え,話者性を強調させることによって,より入力話者音声の声質を出力話者のものへと変換しやすい話者依存空間を形成することを目的として,話者ごとにconditional restricted Boltzmann machine(CRBM)を用いた声質変換法を提案する.提案手法ではまず初めに,話者ごとに用意した学習データ(パラレルデータである必要は無い)を用いて,入力話者,出力話者のCRBMを独立に学習させる.次に,少量のパラレルデータの音響特徴量を,それぞれのCRBMを通して話者依存高次元空間へ写像(CRBMの前方推論)し,その高次特徴量同士をNeural Network(NN)を用いて変換させる.NNの変換で得られた特徴量は,CRBMの後方推論によって元の音響特徴量へ逆変換することが可能である.評価実験では,従来のGMMやNN,DBNを用いた声質変換法に比べて,主観的にも客観的にも良い精度が得られたことを確認した.

  一般社団法人電子情報通信学会, 2013年12月19日, 電子情報通信学会技術研究報告 = IEICE technical report : 信学技報, 113(366) (366), 83 - 88, 日本語


• 辞書選択型非負値行列因子分解による構音障害者の声質変換

  相原 龍, 滝口 哲也, 有木 康雄

  本研究では，アテトーゼ型脳性麻痒による構音障害者を対象とし，筋肉の不随意運動を原因とする障害者の不安定な発話を聞き取りやすく変換することを目指す．従来の声質変換手法で最も一般的なのは，混合正規分布モデル (GMM) を用いた統計的手法であった．この手法は主に話者変換を目的として研究されてきたため，GMM 声質変換を構音障害者の発話音声に適用し健常者の音声に変換した場合，障害者の話者性は別人のものに置き換わってしまう．「自分らしい声で話したい」 という障害者のニーズに答えるため，本研究では従来の統計的モデルによる声質変換とは異なる，非負値行列因子分解 （NMF） を用いた Exemlpar-based 声質変換を用いて，話者性を維持しつつ聞き取りやすい音声に変換する．これまで NMF 声質変換では，入力音声フレームと，辞書から選ばれる基底の音素が必ずしも一致しないという問題があった．本研究では，この問題を解決するため，NMF を用いて音素カテゴリ認識を行い音素カテゴリに分割した副辞書上でマッピングを行うことで声質変換を行う．提案手法の有効性を評価するため，従来の GMM 声質変換，NMF 声質変換との比較実験を行った．We present in this paper a voice conversion (VC) method for a person with an articulation disorder resulting from athetoid cerebral palsy. The movement of such speakers is limited by their athetoid symptoms, and their consonants are often unstable or unclear, which makes it difficult for them to communicate. In our previous method, exemplar-based spectral conversion using Non-negative Matrix Factorization (NMF) was applied to a voice with an articulation disorder. To preserve the speaker's individuality, we used a combined dictionary that is con structed from the source speaker's vowels and target speaker's consonants. However, this exemplar-based approach needs to hold all the training exemplars (frames), and it may cause mismatching of phonemes between input signals and selected exemplars. In this paper, in order to reduce the mismatching of phoneme alignment, we propose a phoneme-categorized sub-dictionary and a dictionary selection method using NMF. By using the sub-dictionary, the performance of VC is improved compared to a conventional NMF-based VC. The effectiveness of this method was confirmed by comparing its effectiveness with that of a conventional Gaussian Mixture Model (GMM)-based method and a conventional NMF-based method.

  一般社団法人情報処理学会, 2013年12月12日, 研究報告音声言語情報処理（SLP）, 2013(12) (12), 1 - 6, 日本語


• 雑音環境下におけるセグメント特徴を考慮したNMFによる声質変換

  藤井 貴生, 相原 龍, 滝口 哲也, 有木 康雄

  本報告では，雑音環境下に強い NMF による声質変換の手法を提案する．ここでは入力話者と出力話者それぞれの同一発話内容の音声特徴量をサンプルとするパラレル辞書を構築する．更に，入力音声の発話前後の非音声区間から雑音辞書を構築し，入力として与えられる雑音重畳音声を入力音声辞書と雑音辞書の線形結合で表現する．この入力音声と辞書から推定される重み行列のうち，音声辞書に関する重みのみを取り出し，出力話者の音声サンプルから構築した出力音声辞書との線形結合をとる．本手法では，NMF にセグメント特徴を導入することで重み行列の推定の精度をより向上させる．実験結果より，雑音重畳音声に対して提案手法の有効性が示された．This paper presents a voice conversion based on NMF for noisy environments. We prepared parallel exemplars that consist of the source and target exemplars, which have the same texts uttered by the source and target speakers. The input source signal is decomposed into the source exemplars, noise exemplars obtained from the input signal, and their weights. Then, the converted signal is obtained by calculating the linear combination of the target exemplars and the weights which are calculated using the source exemplars. In the proposed method, segment features are used for the voice conversion technique based on NMF in order to improve the accuracy of the weight estimation. The effectiveness of this method was confirmed by comparing its effectiveness with that of a conventional method.

  一般社団法人情報処理学会, 2013年12月12日, 研究報告音声言語情報処理（SLP）, 2013(13) (13), 1 - 6, 日本語


• ピッチ特徴量を用いた自閉症スペクトラム障害児と定型発達児の識別

  柿原 康博, 滝口 哲也, 有木 康雄, 中井 靖, 高田 哲

  近年，自閉症スペクトラム障害の発生頻度の増加が注目されている．自閉症スペクトラム障害とは，自閉性障害，アスペルガー障害，特定不能の広汎性発達障害の総体である．これらの障害は多様な原因に基づいて発症するため根本的な治療は困難とされているが，この障害に特化した支援による早期療育の効果が報告されている．本研究では，自閉症スペクトラム障害の早期発見を音響的な側面から目指し，ピッチ特徴量を SVM の入力として識別実験を行った．ピッチ特徴量とは，音声データから得られたピッチ系列とそのデルタ系列のそれぞれに対して，25，50，75 パーセンタイル，25-50 と 50-75 パーセンタイルの差，平均，標準偏差，尖度，歪度，最大値，最小値，レンジという 12 の統計量を計算したものである．実験として，単語毎の識別，区間分割による識別，特徴分割による識別の 3 つの識別実験を行った．区間分割による識別実験では，最も精度が高くなったのは全区間を用いた場合であり，識別精度は 74.9％ となった．また，区間の組み合わせを変えて行った実験から，「各区間の識別に対する貢献度」 は，第 2 区間や第 3 区間よりも第 1 区間の方が大きいことが示された．Recent investigations have demonstrated that the early support which specialized in autistic spectrum obstacle, such as Picture Exchange Communication System (PECS) Applied Behavier Analysis (ABA) Social Skills Training (SST), is effective. This paper reports the result of a classification experiment carried out using pitch features for children with autism spectrum. Pitch features consist of 24 dimensions, such as 25th, 50th, 75th percentiles, 25-50 percentile difference, 50-75 percentile difference, mean, standard deviation, kurtosis, skewness, maximum, minimum, and range.

  一般社団法人情報処理学会, 2013年12月12日, 研究報告音声言語情報処理（SLP）, 2013(6) (6), 1 - 6, 日本語


• 話者依存型 Conditional Restricted Boltzmann Machine による声質変換

  中鹿 亘, 滝口 哲也, 有木 康雄

  本研究では，元の音響特徴量空間よりも音韻性や時間変化性を抑え，話者性を強調させることによって，より入力話者音声の声質を出力話者のものへと変換しやすい話者依存空間を形成することを目的として，話者ごとに conditional restricted Boltzmann machine (CRBM) を用いた声質変換法を提案する．提案手法ではまず初めに，話者ごとに用意した学習データ （パラレルデータである必要は無い） を用いて，入力話者，出力話者の CRBM を独立に学習させる．次に，少量のパラレルデータの音響特徴量を，それぞれの CRBM を通して話者依存高次元空間へ写像 (CRBM の前方推論） し，その高次特徴量同士を Neural Network (NN) を用いて変換させる．NN の変換で得られた特徴量は，CRBM の後方推論によって元の音響特徴量へ逆変換することが可能である．評価実験では，従来の GMM や NN，DBN を用いた声質変換法に比べて，主観的にも客観的にも良い精度が得られたことを確認した．In this paper, we present a voice conversion (VC) method that utilizes conditional restricted Boltzmann machines (CRBMs) for each speaker to obtain time-invariant speaker-independent spaces where voice features are converted more easily than those in an original acoustic feature space. First, we train two CRBMs for a source and target speaker independently using speaker-dependent training data (without the need to parallelize the training data). Then, a small number of parallel data are fed into each CRBM and the high-order features produced by the CRBMs are used to train a concatenating neural network (NN) between the two CRBMs. Finally, the entire network (the two CRBMs and the NN) is fine-tuned using the acoustic parallel data. Through voice-conversion experiments, we confirmed the high performance of our method in terms of objective and subjective evaluations, comparing it with conventional GMM, NN, and speaker-dependent DBN approaches.

  一般社団法人情報処理学会, 2013年12月12日, 研究報告音声言語情報処理（SLP）, 2013(14) (14), 1 - 6, 日本語


• シンタックスとセマンティックスに基づく音声認識結果の２段階訂正

  中谷 良平, 滝口 哲也, 有木 康雄

  本稿では，単語ごとに長距離文脈スコアを付与することで素性とし， ConfUsion Network 上での音声認識自動誤り訂正手法を提案する．従来，単語ごとの長距離文脈情報を素性に音声認識誤り訂正を行う手法は提案されているが，単語ごとにそれを付与する場合，周辺の認識精度に大きく依存してしまうという問題がある．そのため，認識誤りを多く含む認識結果に対して長距離文脈情報を付与するのは，あまり好ましくない．したがって本稿では，文脈情報を誤り訂正の素性として用いるために，まずはシンタックスを用いた誤り訂正を行い，誤認識を軽減する．その後，長距離文脈スコアを付与し， 2 段階目の訂正を行うことで，より音声認識精度を向上させることを目的とする．This paper presents the new method correcting speech recognition errors base on long-distance context. As in the past, the method which corrects recognition errors using long-distance context information given every word has been already proposed However, this method has the problem that a context score every word depends on peripheral recognition errors considerably. So, it is not desirable that long-distance context information is given the recognition result containing a lot of recognition errors. Therefore, in this paper, recognition errors are reduced by error correction adopting features of syntax to use context information as one of the feature. And then after correcting results are given long-distance context score, residual recognition errors are corrected by using that score as the feature.

  2012年12月13日, 研究報告音声言語情報処理（SLP）, 2012(26) (26), 1 - 6, 日本語


• 音響伝達特性を用いたシングルチャネル音源位置推定における局所的回帰に基づく未学習位置の補間

  高島 遼一, 滝口 哲也, 有木 康雄

  我々はこれまで，観測音声の音響伝達特性が話者の位置に依存するという点に着目し，音響伝達特性を識別することにより，単一マイクロホンで音源位置推定を行う手法を提案してきた．しかしこの手法は，事前に想定される音源位置毎に音響伝達特性を学習させる必要があり，学習していない位置の推定が困難であった．そこで本稿では，限られた位置の音響伝達特性を用いて，音響伝達特性から位置への回帰モデルを学習し，その回帰モデルにより未学習位置の推定を行う手法について検討する．回帰モデルとして，線形回帰である重回帰分析，非線形回帰である GPR (Gaussian Process Regression)， SVR (Support Vector Regression) を用い，さらにその学習方法として，評価データに類似した学習サンプルのみから回帰モデルを学習する局所的回帰を検討し，その性能を評価した．This paper presents a sound source (talker) localization method using only a single micro phone. In our previous work, we discussed the single-channel sound source localization method based on the discrimination of the acoustic transfer function. However, that method requires to train the acoustic transfer function for each possible position in advance, and it is difficult to estimate the position that have not been pre-trained. In this paper, we discuss a single-channel talker localization method based on a regression model, which predicts the position from the acoustic transfer function. For training the regression models, we use the local regression method that trains the regression model from only training samples being similar to the evaluation data. Considering both of linear and non-linear regression mod els, the effectiveness of this method has been confirmed by talker localization experiments performed in different room environments.

  2012年12月13日, 研究報告音声言語情報処理（SLP）, 2012(14) (14), 1 - 6, 日本語


• Sparse Coding を用いた唇情報からの音声変換

  相原 龍, 高島 遼一, 滝口 哲也, 有木 康雄

  唇の動きから発話内容を読み取る技術はリップリーディング （読唇） と呼ばれ，聴覚・言語障害者のコミュニケーション手段の一つとして用いられている．本研究では， Sparse Coding を用いて，唇動画像から対応する発話音声へテキスト情報なしで変換を行う．事前に音声を含んだ発話映像から唇情報と音声情報を抽出し，それぞれを基底の集合である辞書として学習する．このとき，二つの辞書行列は同一時系列であり，パラレルなデータである．入力された無音声の映像から抽出された唇情報は， Sparse Coding により少数の基底の線形和で表される．唇辞書行列から選ばれた基底を対応する音声辞書の基底と取り換えることで，音声の基底の線形和として音声が出力される．本稿では，唇情報から識別可能と考えられる母音について変換を行った．A technology to recognize speech content from lip motion is called visual speech recognition (VSR). VSR is an important communication method for people who have a handicap with hearing or speaking. In this paper, we propose a sparse-coding-based voice conversion method using lip motion without text information. Lip information and voices are extracted from videos, where they are used to construct lip dictionary and voice dictionary. Input lip information is represented by a linear combination of a small number of bases in the lip dictionary. The bases are replaced to coordinate bases in the voice dictionary, and they are recomposed to voice information. In this paper, we conducted vowel conversion because vowels are able to recognize from lip information.

  2012年12月13日, 研究報告音声言語情報処理（SLP）, 2012(21) (21), 1 - 6, 日本語


• 未知語とその周辺単語の音声認識誤りを考慮したCRFによる音声認識誤り訂正

  中谷 良平, 岩橋 直人, 中野 幹生, 滝口 哲也, 有木 康雄

  本稿では,未知語モデリングを用いた,Confusion Network上での音声認識自動誤り訂正手法を提案する.従来の音声認識には,音声認識器が未知語とその周辺単語を誤認識してしまうという問題がある.そこで,未知語認識を可能にし,同時にその周辺単語の認識誤りを軽減するために,hybrid word/syllable recognitionを行う.そして,音響特徴や言語特徴など,様々な素性を用いて,CRFによる音声認識誤り訂正を行う.この誤り訂正を用いて,未知語の認識誤りだけでなく,未知語周辺の認識誤りも訂正する.

  一般社団法人電子情報通信学会, 2011年12月, 電子情報通信学会音声研究会, SP2011-94,No.24,pp.139-144(365) (365), 139 - 144, 日本語

  速報，短報，研究ノート等（学術雑誌）


• グラフ構造表現による一般物体認識

  堀 貴博, 滝口 哲也, 有木 康雄

  2011年12月, 電子情報通信学会パターン認識メディア理解研究会, PRMU2011-127,pp.19-24, 日本語

  速報，短報，研究ノート等（学術雑誌）


• 確率スペクトル包絡を用いた混合音解析における制約付きスペクトル生成法の検討

  中鹿 亘, 滝口 哲也, 有木 康雄

  従来の代表的な信号解析手法の中に, NMF(非負値行列因子分解)を用いたものがある。特に,事例ベースのNMFが音源分離や信号解析の分野において,解析精度・速度といった観点から注目を浴びている。しかしこうした手法は,可能性のある全ての事例を用意する必要があるので,一般にシステムの実用化は困難である。これまでの我々の研究では,この問題点を解決するため,確率的に生成されるスペクトルを用いて信号を解析する確率スペクトル包絡による手法を提案してきた。しかしながら,この方法では高いスペクトル生成自由度により分離最適解を得ることが困難であった。そこで本研究では,アクティビティ行列要素のスパース性と密集性に着目した新たな制約項を加えることにより,より最適な解に導く信号解析手法を提案する。

  一般社団法人電子情報通信学会, 2011年07月, 電子情報通信学会音声研究会, SP2011-50,pp. 51-56(153) (153), 51 - 56, 日本語

  速報，短報，研究ノート等（学術雑誌）


• グラフ-ベクトル変換を用いたグラフ構造表現による一般物体認識

  堀 貴博, 滝口 哲也, 有木 康雄

  2011年07月, 画像の認識・理解シンポジウム, pp.387-394, 日本語

  速報，短報，研究ノート等（学術雑誌）


• CSP係数の識別に基づく話者の頭部方向推定の検討

  高島 遼一, 滝口 哲也, 有木 康雄

  2011年07月, 電子情報通信学会音声研究会, SP2011-51,pp. 57-62, 日本語

  速報，短報，研究ノート等（学術雑誌）


• ARCOによる顔検出を併用した人誤検出の棄却について

  山下 亮, 滝口 哲也, 有木 康雄

  2011年07月, 画像の認識・理解シンポジウム, pp.608-614, 日本語

  速報，短報，研究ノート等（学術雑誌）


• AAMによる顔方位を考慮した発話認識

  駒井 祐人, 滝口 哲也, 有木 康雄

  2011年07月, 画像の認識・理解シンポジウム, pp.534-539, 日本語

  速報，短報，研究ノート等（学術雑誌）


• 3次元ActiveAppearanceModel を利用した視線方向推定

  中松 由香梨, 滝口 哲也, 有木 康雄

  2011年07月, 画像の認識・理解シンポジウム, pp.572-579, 日本語

  速報，短報，研究ノート等（学術雑誌）


• 音響伝達特性の識別に基づく話者の頭部回転方向の推定

  高島 遼一, 滝口 哲也, 有木 康雄

  我々はこれまで,観測音声の音響伝達特性が話者の位置に依存するという点に着目し,音響伝達特性を識別することにより単一マイクロホンで音源位置推定を行う手法を提案してきた.この手法では,ある位置から発話された音声からその音響伝達特性を,特定話者HMM(Hidden Markov Model)を用いて推定し,それらを学習・識別することで音源位置を推定している.本稿では,観測信号の音響伝達特性が話者の位置だけでなく,頭部の回転方向にも依存する点にも着目し,音源位置と頭部回転方向の推定について,提案手法の有効性を評価する.

  一般社団法人電子情報通信学会, 2011年05月05日, 電子情報通信学会技術研究報告. SIP, 信号処理 : IEICE technical report, 111(27) (27), 167 - 172, 日本語


• 音響伝達特性の識別に基づく話者の頭部回転方向の推定

  高島 遼一, 滝口 哲也, 有木 康雄

  我々はこれまで,観測音声の音響伝達特性が話者の位置に依存するという点に着目し,音響伝達特性を識別することにより単一マイクロホンで音源位置推定を行う手法を提案してきた.この手法では,ある位置から発話された音声からその音響伝達特性を,特定話者HMM(Hidden Markov Model)を用いて推定し,それらを学習・識別することで音源位置を推定している.本稿では,観測信号の音響伝達特性が話者の位置だけでなく,頭部の回転方向にも依存する点にも着目し,音源位置と頭部回転方向の推定について,提案手法の有効性を評価する.

  一般社団法人電子情報通信学会, 2011年05月05日, 電子情報通信学会技術研究報告. EA, 応用音響, 111(26) (26), 167 - 172, 日本語


• 音響伝達特性の識別に基づく話者の頭部回転方向の推定

  高島 遼一, 滝口 哲也, 有木 康雄

  我々はこれまで,観測音声の音響伝達特性が話者の位置に依存するという点に着目し,音響伝達特性を識別することにより単一マイクロホンで音源位置推定を行う手法を提案してきた.この手法では,ある位置から発話された音声からその音響伝達特性を,特定話者HMM(Hidden Markov Model)を用いて推定し,それらを学習・識別することで音源位置を推定している.本稿では,観測信号の音響伝達特性が話者の位置だけでなく,頭部の回転方向にも依存する点にも着目し,音源位置と頭部回転方向の推定について,提案手法の有効性を評価する.

  一般社団法人電子情報通信学会, 2011年05月05日, 電子情報通信学会技術研究報告. SP, 音声, 111(28) (28), 167 - 172, 日本語


• Confusion Networkを用いたCRFによる音声認識誤り訂正

  中谷 良平, 滝口 哲也, 有木 康雄

  2011年03月, 第5回音声ドキュメント処理ワークショップ, 6 pages, 日本語

  速報，短報，研究ノート等（学術雑誌）


• 確率スペクトル包絡に基づくNMF 基底生成モデルを用いた混合楽音解析

  中鹿 亘, 滝口 哲也, 有木 康雄

  従来の代表的な楽音解析手法として，NMF （非負値行列因子分解） をベースとしたアプローチが注目を浴びている．これは，予め大量の音源サンプルを用意しておくことで解析を行う教師あり NMF と，学習を用いず何らかの制約条件に基づいて解析を行う教師なし NMF に，大別することができる．しかしながら，前者では，可能性のある全ての基底サンプルを用意する必要があるので，一般にシステムの実用化は困難である．一方後者のアプローチでは，機械的に分解しているに過ぎないので意図しない結果が表れる傾向にある．本研究では，楽器カテゴリごとに共通なスペクトル包絡 （確率スペクトル包絡） を統計的に学習し，確率スペクトル包絡が作り出す基底の組み合わせによって観測信号のスペクトルを表現する手法を提案する．提案手法ではまず，ガウシアンプロセスをベースとした手法により，楽器カテゴリごとの確率スペクトル包絡を学習させる．その後教師あり NMF と遺伝アルゴリズムを組み合わせて，包絡に沿って確率的に生成されるランダム基底集合から，最適な基底解を探索する．最後に，得られたアクティビティ行列から楽音を解析する．実験結果から，提案手法が学習データには含まれない未知の音源に対しても頑健であると同時に，複数の音源が混ざっていても解析が可能であることを確かめた．NMF (Non-negative Matrix Factorization) based approaches are garnering much attention in musical signal analysis in recent years. These are roughly classified into two approaches: exemplar-based NMF, in which a large number of samples are used for analyzing a signal, and unsupervised NMF, in which signals are analyzed in some constrains without learning any samples beforehand. However, because the former methods require all the possible samples for the analysis, it is hard to build the practical system of the method. The latter approach should cause unintended results because the method is based on mathematical analysis not perceptual coding. In this paper, we propose a novel method of signal analysis by combining NMF and a probabilistic approach. At the beginning, a common spectram envelope to an instrument, called a probabilistic spectrum envelope (PSE), is learned for each categories using a Gaussian-Process-based approach. On the analyzing stage, basis vectors of NMF are randomly generated from the PSE, and the most befitting vectors can be found by combination of unsupervised NMF and Genetic Algorithm. The experimental results indicated that the method is robust against unknown sound sources, and can properly analyze the signals including multiple sources.

  情報処理学会, 2011年02月, 情報処理学会音楽情報科学研究会, Vol.2011-MUS-89,No.18, pp. 1-6(18) (18), 1 - 6, 日本語

  速報，短報，研究ノート等（学術雑誌）


• 音響伝達特性を用いた単一チャネル音源位置推定における特徴量選択の検討

  高島 遼一, 滝口 哲也, 有木 康雄

  我々はこれまで,観測音声の音響伝達特性が話者の位置に依存するという点に着目し,音響伝達特性を識別することにより単一マイクロホンで音源位置推定を行う手法を提案してきた.この手法では,ある位置から発話された音声からその音響伝達特性を,特定話者HMM(Hidden Markov Model)を用いて推定し,それらを学習・識別することで音源位置を推定している.本稿では,位置毎に推定された音響伝達特性のMFCC(Mel-Frequency Cepstral Coefficient)の各次元に対し,MKL(Multiple Kernel Learning)を用いて重みの自動学習を行うことで,音源位置推定精度の向上を試みる.

  一般社団法人電子情報通信学会, 2011年01月20日, 電子情報通信学会技術研究報告. SP, 音声, 110(401) (401), 49 - 54, 日本語

  速報，短報，研究ノート等（学術雑誌）


• 基底の反復生成と教師ありNMFを用いた信号解析

  中鹿 亘, 滝口 哲也, 有木 康雄

  従来の代表的な信号解析手法の中に,NMF(非負値行列因子分解)を用いたものがある.中でも,大量のサンプルを予め学習させることで音源分離やノイズ除去を行う事例ベースNMFが注目を浴びている.しかしながら,こうした手法は,可能性のある全ての基底サンプルを用意する必要があるので,一般にシステムの実用化は困難である.本研究では基底カテゴリ(音素や楽器)ごとに代表基底(確率的スペクトル包絡)を統計的に学習し,確率的スペクトル包絡が作り出す基底の組み合わせによって観測スペクトルを表現する手法を提案する.本研究では,確率的スペクトル包絡の学習に,スペクトル包絡の平均値曲線と分散値曲線を同時に推定することのできるガウシアンプロセスを用いる.解析時には確率的スペクトル包絡からランダムに基底を生成することで,同カテゴリの未知の基底を用いて解析を行うことができる.最後に実験結果によって提案手法の有効性を確かめた.

  一般社団法人電子情報通信学会, 2010年12月, 電子情報通信学会音声研究会, SP2010-102,pp. 195-200(356) (356), 195 - 200, 日本語

  速報，短報，研究ノート等（学術雑誌）


• 階層的強化学習を適用したPOMDPによる音声対話制御

  岸本 康秀, 滝口 哲也, 有木 康雄

  本稿では,不確定な情報に対しても対話を制御させるために,部分観測マルコフ決定過程(POMDP)を用いる.この手法によって,雑音のある状況下等で誤認識が起こった場合でも,自然な対話の中で回復することが可能となる.しかし,POMDPの状態数の増加に伴い,強化学習の計算量が増大するため今まで大きなタスクを扱うことが困難であった.本研究では階層的強化学習を適用することにより,従来のPOMDPよりも大きなタスクを扱うことが可能となった.本稿では,シミュレーション実験を行い,提案手法の有効性を示す.

  一般社団法人電子情報通信学会, 2010年12月, 電子情報通信学会音声研究会, SP2010-98,pp. 121-126(356) (356), 121 - 126, 日本語

  速報，短報，研究ノート等（学術雑誌）


• Bag of Grammarとルールベース手法を用いたドメイン依存性の少ないハイブリッド型Whyテキストセグメント判定

  田中 克幸, 滝口 哲也, 有木 康雄

  本研究では,Why型質問応答を可能とするための技術の1つである,Why型テキストセグメント判定の精度向上を目的としている.特に,従来手法の1つである,Bag of Grammar手法とルールベース手法を融合することにより,Why型テキストセグメント判定の向上を行うことを目的としている.Bag of Grammar手法では欠落していたWhy型名詞特徴を効果的に取り入れることにより,Why型テキストセグメント判定の向上ができることが分かった.

  一般社団法人電子情報通信学会, 2010年12月, 電子情報通信学会音声研究会, SP2010-97,pp. 103-108(356) (356), 103 - 108, 日本語

  速報，短報，研究ノート等（学術雑誌）


• Buried Markov Modelを用いた構音障害者の音声認識の検討

  宮本 千琴, 駒井 祐人, 滝口 哲也, 有木 康雄, 李 義昭

  音声認識技術は現在,様々な環境下や場面において使用される機会が増加している.しかし,言語障害などの障害者を対象としたものは非常に少ない.本稿では,アテトーゼ型脳性麻痺による構音障害者の音声認識の検討を行う.アテトーゼ型の構音障害者の場合,筋肉の緊張のため発話が不安定になりやすい.これに対し,本研究では,時間変化による依存関係を考慮することで,不安定な発話に対する音声認識精度の改善を試みる.従来用いられているHMMによる音声認識は,はっきりと発話された音声に対しては高い精度で認識を行うことができるが,複雑な事象を表現するには適しておらず,雑音を含む音声や,連続的に発話された音声を認識する際には,精度が著しく低下する.この問題に対し,過去の観測と現在の観測の間の依存関係を表現できる確率モデルであるBuried Markov Modelを用いた音声認識モデルが,J.Bilmesによって提案された.本研究では,構音障害者の音声認識の実現に向けて,このBuried Markov Modelを用いて時間的依存関係を考慮し,音声認識精度の向上を目指す.

  一般社団法人電子情報通信学会, 2010年10月, 電子情報通信学会音声研究会, SP2010-57, pp. 69-74(220) (220), 69 - 74, 日本語

  速報，短報，研究ノート等（学術雑誌）


• 雑音下マルチモーダル音声認識評価基盤CENSREC-1-AVの構築

  田村 哲嗣, 宮島 千代美, 北岡 教英, 武田 一哉, 山田 武志, 滝口 哲也, 柘植 覚, 山本 一公, 西浦 敬信, 中山 雅人, 傳田 遊亀, 藤本 雅清, 松田 繁樹, 小川 哲司, 黒岩 眞吾, 中村 哲

  本稿では，音声と画像を用いたマルチモーダル音声認識の共通評価基盤 CENSREC-1-AV について紹介する．CENSREC-1-AV では，音声・画像データベースおよびベースラインシステムを提供する．音声は学習用クリーンデータのほか，乗用車走行雑音を付与したものを収録した．画像はカラー映像と近赤外線映像を収録し，ガンマ補正を用いて乗用車走行シミュレーション画像をテストデータとした．ベースラインシステムでは，MFCC と，固有顔ないしはオプティカルフローを特徴量として，マルチストリーム HMM により認識を行った．This paper introduces an evaluation framework for multimodal speech recognition: CENSREC-1-AV. The corpus CENSREC-1-AV provides an audiovisual speech database and a baseline system of multimodal speech recognition. Speech signals were recorded in clean condition for training and in-car noises were overlapped for testing. Color and infrared pictures were captured as training data, and image corruption was conducted for testing using the gamma correction technique. In the baseline system, acoustic MFCC as well as eigenface or optical-flow information are adopted as audio and visual features respectively, then multi-stream HMMs are used as a recognition model.

  情報処理学会, 2010年07月15日, 研究報告音声言語情報処理（SLP）, 2010(7) (7), 1 - 6, 日本語


• 物体領域特徴の自動選定とマルチカーネル学習を用いた特徴統合による一般物体認識

  中鹿 亘, 須賀 晃, 滝口 哲也, 有木 康雄

  2010年07月, 画像の認識・理解シンポジウム, OS8-2, pp. 1404-1411, 日本語

  速報，短報，研究ノート等（学術雑誌）


• 複数尤度を用いた3次元パーティクルフィルタによる選手の追跡

  西濃 拓郎, 滝口 哲也, 有木 康雄

  2010年07月, 画像の認識・理解シンポジウム, IS1-39, pp. 307-312, 日本語

  速報，短報，研究ノート等（学術雑誌）


• 地面位置の推定に基づく2次元画像からの擬似3次元復元

  石橋 薫, 滝口 哲也, 有木 康雄

  2010年07月, 画像の認識・理解シンポジウム, IS2-36, pp. 1011-1016, 日本語

  速報，短報，研究ノート等（学術雑誌）


• 唇領域のAAMを用いた発話認識における画像特徴量の音素解析

  駒井 祐人, 宮本 千琴, 滝口 哲也, 有木 康雄

  2010年07月, 画像の認識・理解シンポジウム, IS3-31,pp. 1771-1778, 日本語

  速報，短報，研究ノート等（学術雑誌）


• 視点移動カメラにおけるカメラキャリブレーション

  曽和 知哉, 滝口 哲也, 有木 康雄

  2010年07月, 画像の認識・理解シンポジウム, IS2-37,pp.1017-1022, 日本語

  速報，短報，研究ノート等（学術雑誌）


• 高周波強調処理と入力画像の利用による学習型超解像

  小川 祐樹, 滝口 哲也, 有木 康雄

  2010年07月, 画像の認識・理解シンポジウム, IS2-35, pp. 1004-1010, 1004 - 1010, 日本語

  速報，短報，研究ノート等（学術雑誌）


• 固有空間でのモデルフィッティングによる単眼画像からの人体3次元姿勢推定

  大西 克則, 博 格利, 滝口 哲也, 有木 康雄

  2010年07月, 画像の認識・理解シンポジウム, IS3-30, pp. 589-594, 日本語

  速報，短報，研究ノート等（学術雑誌）


• 階層的領域分割法に基づく木構造条件付確率場による一般物体認識

  奥村 健志, 滝口 哲也, 有木 康雄

  2010年07月, 画像の認識・理解シンポジウム, IS3-32, pp. 1779-1783, 日本語

  速報，短報，研究ノート等（学術雑誌）


• 階層的強化学習を適用したPOMDPによるカーナビゲーションシステムの音声対話制御

  岸本 康秀, 有木 康雄, 滝口 哲也

  本稿では,カーナビゲーションシステム(以下カーナビ)における音声インターフェースに対して、部分観測マルコフ決定過程(POMDP)を用いる。この手法は不確定な情報に対しても対話を制御することが出来,雑音状況下で誤認識が起こった場合でも,自然な対話の中で回復することが可能となる.また,本研究ではPOMDPに階層的強化学習を適用することにより,従来のPOMDPよりも大きなタスクを扱うことが可能となった.本稿では,シミュレーション実験を行い,提案手法の有効性を示す.

  一般社団法人電子情報通信学会, 2010年07月, 電子情報通信学会音声研究会, SP2010-43, pp. 49-54(143) (143), 49 - 54, 日本語

  速報，短報，研究ノート等（学術雑誌）


• Image Annotation by Concept Level Search Using PLSA

  ZHENG Yu, TAKIGUCHI Tetsuya, ARIKI Yasuo

  2010年07月, 画像の認識・理解シンポジウム, IS1-41, pp. 319-324, 日本語

  速報，短報，研究ノート等（学術雑誌）


• Gaussian Processes for RegressionとAAMパラメータによる視線方向認識

  高谷 学, 滝口 哲也, 有木 康雄

  2010年07月, 画像の認識・理解シンポジウム, IS-40, pp. 315-318, 日本語

  速報，短報，研究ノート等（学術雑誌）


• バイラテラルフィルタによる実雑音下音声認識のための音声特徴量抽出

  山田 馨士朗, 滝口 哲也, 有木 康雄

  2010年06月, 電子情報通信学会音声研究会, SP2010-29,pp. 43-48, 日本語

  速報，短報，研究ノート等（学術雑誌）


• D-11-57 ウェーブレット変換を用いた学習型の超解像(D-11.画像工学,一般セッション)

  小川 祐樹, 滝口 哲也, 有木 康雄

  一般社団法人電子情報通信学会, 2010年03月02日, 電子情報通信学会総合大会講演論文集, 2010(2) (2), 57 - 57, 日本語


• D-12-70 階層的領域分割法に基づく木構造条件付確率場による一般物体認識(D-12.パターン認識・メディア理解,一般セッション)

  奥村 健志, 滝口 哲也, 有木 康雄

  一般社団法人電子情報通信学会, 2010年03月02日, 電子情報通信学会総合大会講演論文集, 2010(2) (2), 181 - 181, 日本語


• D-12-91 3次元パーティクルフィルタとEMDを用いた選手の追跡(D-12.パターン認識・メディア理解,一般セッション)

  西濃 拓郎, 滝口 哲也, 有木 康雄

  一般社団法人電子情報通信学会, 2010年03月02日, 電子情報通信学会総合大会講演論文集, 2010(2) (2), 202 - 202, 日本語


• AAMを用いた唇領域特徴による音声発話認識

  駒井 祐人, 宮本 千琴, 滝口 哲也, 有木 康雄

  2010年01月, 電子情報通信学会技術研究報告, CQ2009-107,PRMU2009-206,SP2009, 日本語

  速報，短報，研究ノート等（学術雑誌）


• 多重ベータ混合モデルを用いた調波時間構造のモデル化による音声合成の検討

  中鹿 亘, 立花 隆輝, 西村 雅史, 滝口 哲也, 有木 康雄

  2009年12月, 第11回音声言語シンポジウム, SP2009-93,No. 29,pp. 165-170, 日本語

  速報，短報，研究ノート等（学術雑誌）


• ランダムプロジェクションを用いた音響モデルの線形変換

  吉井 麻里子, 滝口 哲也, 有木 康雄

  2009年12月, 第79回音声言語情報処理研究会, 2009-SLP-79,No. 22,pp. 123-128, 日本語

  速報，短報，研究ノート等（学術雑誌）


• Buried Markov Modelを用いた音声認識モデルの構築法の検討

  山本 隆之, 滝口 哲也, 有木 康雄

  2009年12月, 電子情報通信学会,音声研究会, 2009-SLP-79,No. 21,pp. 1-6, 日本語

  速報，短報，研究ノート等（学術雑誌）


• AAMを用いた顔方位にロバストな唇領域特徴抽出と音声特徴による構音障害者の音声認識

  宮本 千琴, 駒井 祐人, 滝口 哲也, 有木 康雄, 李 義昭, 中林 稔堯

  本稿では,アテトーゼ型脳性麻痺による構音障害者の音声認識の検討を行う。アテトーゼ型の構音障害者の場合,筋肉の緊張のため発話が不安定になりやすく,発話時に頭が動いてしまう場合がある.これに対して,音声特徴としてデルタケプストラム係数のセグメント特徴量を用いる.また,発話時の頭部の動きに対しては,Active Appearance Model (AAM)を用いることで画像から顔方位にロバストな唇領域特徴を抽出し,音声特徴と共に用いることで,雑音の影響を受けず発話変動を考慮したマルチモーダル音声認識を検討する.

  一般社団法人電子情報通信学会, 2009年12月, 第11回音声言語シンポジウム, SP2009-93,pp. 195-200(356) (356), 195 - 200, 日本語

  速報，短報，研究ノート等（学術雑誌）


• 構音障害者の音声認識における動的特徴量の考察

  宮本 千琴, 滝口 哲也, 有木 康雄, 李 義昭, 中林 稔堯

  2009年10月, 電子情報通信学会,音声研究会, SP2009-55,pp.37-42, 日本語

  速報，短報，研究ノート等（学術雑誌）


• Bottom-upとTop-downアプローチの組み合わせによる単眼画像からの人体3次元姿勢推定

  大西克則, 滝口哲也, 有木康雄

  2009年09月29日, 平成21年度情報処理学会関西支部支部大会講演論文集, 2009, 日本語


• H-011 人物の顔画像情報に基づくコンテンツの解析(画像認識・メディア理解,一般論文)

  岡田 朋子, 滝口 哲也, 有木 康雄

  FIT(電子情報通信学会・情報処理学会)運営委員会, 2009年08月20日, 情報科学技術フォーラム講演論文集, 8(3) (3), 117 - 118, 日本語


• H-006 高精度画像マッチングを用いたSAR衛星画像からの地表変位推定(画像認識・メディア理解,一般論文)

  水野 雄介, 滝口 哲也, 有木 康雄

  FIT(電子情報通信学会・情報処理学会)運営委員会, 2009年08月20日, 情報科学技術フォーラム講演論文集, 8(3) (3), 107 - 108, 日本語


• 複数特徴量の重み付け統合による一般物体認識

  須賀 晃, 滝口 哲也, 有木 康雄

  2009年07月, 画像の理解・認識シンポジウム, MIRU2009, IS1-29, pp. 589-594, 日本語

  速報，短報，研究ノート等（学術雑誌）


• 単眼サッカー映像におけるボールの3次元位置情報を用いた状況認識

  西濃 拓郎, 滝口 哲也, 有木 康雄

  2009年07月, 画像の理解・認識シンポジウム, MIRU2009, IS2-61, pp.1269-1276, 日本語

  速報，短報，研究ノート等（学術雑誌）


• 大域的特徴としてBoFを導入したCRFによる一般物体認識

  奥村 健志, 滝口 哲也, 有木 康雄

  2009年07月, 画像の理解・認識シンポジウム, MIRU2009, OS4-2, pp.95-102, 日本語

  [査読有り]

  速報，短報，研究ノート等（学術雑誌）


• 回帰分析とパーティクルフィルタを用いた単眼画像からの人体3次元姿勢推定

  大西 克則, 滝口 哲也, 有木 康雄

  2009年07月, 画像の理解・認識シンポジウム, MIRU2009, IS3-43, pp. 1668-167, 日本語

  速報，短報，研究ノート等（学術雑誌）


• 過学習を考慮したAAMパラメータの選択と回帰分析による顔・視線方向同時推定

  高谷 学, 滝口 哲也, 有木 康雄

  2009年07月, 画像の理解・認識シンポジウム, MIRU2009, IS1-60, pp. 769-776, 日本語

  速報，短報，研究ノート等（学術雑誌）


• ランダムプロジェクションを用いた音声特徴量変換

  吉井 麻里子, 滝口 哲也, 有木 康雄

  2009年07月, 電子情報通信学会,音声研究会, SP2009-41,pp. 1-6, 日本語

  速報，短報，研究ノート等（学術雑誌）


• 尤度最大化に基づくエコー推定を用いた車室内マルチスピーカ音響エコーキャンセラの検討

  古賀 健太郎, 滝口 哲也, 有木 康雄

  本稿では,マルチスピーカと単一のマイクを前提とした車内環境下で,音声認識システムの認識率を改善する音響エコーキャンセラを提案する.この音響エコーキャンセラでは,マルチスピーカからマイクまでの伝達特性のモデルを用い,尤度最大化基準に基づいたエコー推定によって,最適なキャンセル結果を選択する.単一のマイクに話者の音声とマルチスピーカからの音楽が混入する環境下で,マイクの観測信号をキャンセルした信号に対し,SN,音声認識率を測定する.提案した音響エコーキャンセラによってキャンセルした信号は,学習同定法に基づいた音響エコーキャンセラによってキャンセルした信号よりもSN,音声認識率が改善されていることを示す.

  一般社団法人電子情報通信学会, 2009年05月, 電子情報通信学会,音声研究会, SP2009-14,pp. 45-48(57) (57), 45 - 48, 日本語

  速報，短報，研究ノート等（学術雑誌）


• D-12-23 AAMのモデル選択による方位に頑健な不特定人物の顔表情認識(D-12.パターン認識・メディア理解A(パターンメディアの認識・理解・生成),一般セッション)

  岡田 朋子, 滝口 哲也, 有木 康雄

  一般社団法人電子情報通信学会, 2009年03月04日, 電子情報通信学会総合大会講演論文集, 2009(2) (2), 132 - 132, 日本語


• D-12-76 複数特徴量の重み付け統合による一般物体認識(D-12.パターン認識・メディア理解B(コンピュータビジョンとコンピュータグラフィックス),一般セッション)

  須賀 晃, 滝口 哲也, 有木 康雄

  一般社団法人電子情報通信学会, 2009年03月04日, 電子情報通信学会総合大会講演論文集, 2009(2) (2), 185 - 185, 日本語


• D-12-104 単眼動画像におけるボールと選手の3次元位置推定(D-12.パターン認識・メディア理解B(コンピュータビジョンとコンピュータグラフィックス),一般セッション)

  西濃 拓郎, 滝口 哲也, 有木 康雄

  一般社団法人電子情報通信学会, 2009年03月04日, 電子情報通信学会総合大会講演論文集, 2009(2) (2), 213 - 213, 日本語


• D-12-122 Bottom-UpとTop-Downアプローチの統合による単眼画像からの人体3次元姿勢推定(D-12.パターン認識・メディア理解B(コンピュータビジョンとコンピュータグラフィックス),一般セッション)

  大西 克則, 滝口 哲也, 有木 康雄

  一般社団法人電子情報通信学会, 2009年03月04日, 電子情報通信学会総合大会講演論文集, 2009(2) (2), 231 - 231, 日本語


• D-12-112 AAMと回帰分析による視線,顔方向同時推定(D-12.パターン認識・メディア理解B(コンピュータビジョンとコンピュータグラフィックス),一般セッション)

  高谷 学, 滝口 哲也, 有木 康雄

  一般社団法人電子情報通信学会, 2009年03月04日, 電子情報通信学会総合大会講演論文集, 2009(2) (2), 221 - 221, 日本語


• 音声強調手法を用いた構音障害者の音声認識

  宮本 千琴, 滝口 哲也, 有木 康雄

  神戸大学, 2009年03月, 神戸大学都市安全研究センター研究報告, 13, 75 - 80, 日本語


• Grammar-gramとGrammarVerb-gramを用いたドメイン非依存型Whyテキストセグメント判定と回答抽出

  田中 克幸, 滝口 哲也, 有木 康雄

  2009年03月, 第14回 Webインテリジェンスとインタラクション研究会WI2, pp. 89-94, 日本語

  速報，短報，研究ノート等（学術雑誌）


• 音声・状況の同時認識に基づくスポーツ実況中継へのメタ情報付与

  佐古 淳, 滝口 哲也, 有木 康雄

  近年，多くのマルチメディア・コンテンツの所有が可能となってきた．大量のコンテンツの中から欲しい情報を得るためには，検索のためのメタ情報を付与しておく必要がある．本研究では，マルチメディア・コンテンツの一例としてスポーツ実況中継，特に野球実況中継に注目し，実況中継音声から音声認識を用いてメタ情報を抽出することを目的としている．野球のメタ情報としては，今何が起こっているかを表すイベントと，その積み重ねである状況が存在すると考えられる．まず，現実にイベントや状況が存在し，これを基にアナウンサは実況を行う．本研究では，実況音声から単語列だけを推定する音声認識を拡張し，実況音声から単語列・イベント系列・状況系列すべてを同時に推定する音声認識手法を提案する．定式化により，イベント依存音響モデル，状況遷移モデル，イベント推定モデル，状況依存言語モデルを得る．これらを確率の枠組みで統合的に用いることで，単語列とメタ情報の同時推定を行う．実験により，イベント検出F値0.87，イベント正解率0.86，状況正解率0.77を得た．その他，各モデルの「メタ情報付与性能」への寄与や，音声認識率と「メタ情報付与性能」との関係について考察を行う．Recently a large quantity of multimedia contents are broadcast and accessed. In order to retrieve exactly what we want to know from multimedia database, automatic extraction of meta-information is required. We focused on live speeches, especially baseball commentary speeches as a kind of multimedia contents. The purpose of this study is to provide meta-information based on speech recognition techniques. Events and situations are defined as metainformation. First of all, an event is occured or a situation is changed, then an announcer speaks based on an event and a situation. In this paper, we propose a extended speech recognition technique that estimates not only a word sequence but also a event sequence and a situation sequence concurrently. As a result of formulation, event dependent acoustic model, situation transition model, event estimation model and situation dependent language model are derived. A word sequence and meta-information are estimated based on these models. The experimental results showed that the proposed method provided meta-information with a high degree of accuracy.

  情報処理学会, 2009年02月15日, 情報処理学会論文誌, 50(2) (2), 563 - 574, 日本語


• 音声・状況の同時認識に基づく野球実況中継へのメタ情報付与

  佐古 淳, 滝口 哲也, 有木 康雄

  2009年02月, 第3回音声ドキュメント処理ワークショップ, pp. 59-64, 日本語

  速報，短報，研究ノート等（学術雑誌）


• 音声認識における頑健性ー音響分析・音響モデル，なにが課題か?ー

  北岡 教英, 藤本 雅清, 滝口 哲也, 大淵 康成, 中村 哲

  音声認識実用化に向けて「頑健性」の必要性が叫ばれて久しい．頑健性を指向し，主に音響分析・音響モデルの側面から，いまなにが行われ，なにが課題とされているのかを考えてみたい．Robustness has been thought as very important for a long time to apply speech recognition systems to the real world. Here let us consider what is the 'next step' to improve the robustness from the viewpoints of acoustic analysis and acoustic models.

  一般社団法人情報処理学会, 2009年01月30日, 情報処理学会研究報告音声言語情報処理（SLP）, 2009(10) (10), 25 - 25, 日本語


• 複数の言語情報を用いたCRFによる音声認識誤りの検出

  松本 智彦, 佐古 淳, 滝口 哲也, 有木 康雄

  2009年01月, 電子情報通信学会音声研究会, pp. 7-12(422) (422), 7 - 12, 日本語

  速報，短報，研究ノート等（学術雑誌）


• 単語出現順序を考慮したトピックモデルによる言語モデル適応

  佐古 淳, 滝口 哲也, 有木 康雄

  人間にとって不可解な認識誤りの低減や，単語の認識だけでなく，意味・内容の理解を行うためには semantics を考慮することが重要であると考えられる．現在， LSA や PLSA のように semantics を考慮するモデルは Bag-of-words に基づく手法であり，文書中の単語出現順序を考慮していないより高度な分析のためには，文書中の単語出現順序を考慮する必要があると考えられる．本研究では，Kernel PCA 及び Dynamic Time Alignment カーネルを用いることにより，単語順序を考慮した Latent Semantic 空間を構築する手法を提案する．予備実験では，右回り／左回りにプロットした時系列データが Latent Semantic 空間においてきれいに分離されることを確認した．また，言語コーパスを用いた評価実験では，パープレキシティの低下を確認することが出来た．It is important to consider semantics for reductions of recognition errors unlike humans or understanding meanings and contents. To accommodate these problems, Latent Semantic Analysis (LSA) or Probabilistic LSA have been proposed. However these methods are based on Bag-of-words techniques. For more sophisticated analysis, it needs to consider a sequence of words in a document. In this paper, we propose the method based on Kernel PCA and Dynamic Time Alignment Kernel in order to consider a sequence of words. Preliminary experimental results shows the proposed method can separete clearly a sequence of right turn/left turn prots data. Moreover, experimental results of language corpus shows the reduction of perplexity.

  一般社団法人情報処理学会, 2008年12月02日, 情報処理学会研究報告音声言語情報処理（SLP）, 2008(123) (123), 249 - 254, 日本語


• 多重解像度独立性検定を用いた遺伝子ネットワークの構築

  山本 隆之, 滝口 哲也, 有木 康雄

  2008年12月, 情報処理学会バイオ情報学研究会研究報告, pp.115-118, 日本語

  速報，短報，研究ノート等（学術雑誌）


• 制約付き非負行列因子分解を用いた音声特徴抽出の検討

  朴 玄信, 滝口 哲也, 有木 康雄

  2008年12月, 第10回音声言語シンポジウム, pp.43-48(338) (338), 43 - 48, 日本語

  速報，短報，研究ノート等（学術雑誌）


• 音声の動的特徴のモデルを使った突発性雑音の除去

  三宅 信之, 滝口 哲也, 有木 康雄

  2008年12月, 第10回音声言語シンポジウム, pp.191-196, 日本語

  速報，短報，研究ノート等（学術雑誌）


• スペクトル平面における勾配ヒストグラムに基づく音声特徴量の検討

  室井 貴司, 滝口 哲也, 有木 康雄

  2008年12月, 第10回音声言語シンポジウム, pp.161-166, 日本語

  速報，短報，研究ノート等（学術雑誌）


• 雑音下音声認識評価ワーキンググループ活動報告：認識に影響する要因の個別評価環境 (3)

  北岡 教英, 山田 武志, 滝口 哲也, 柘植 覚, 山本 一公, 宮島 千代美, 西浦 敬信, 中山 雅人, 傳田遊亀, 藤本 雅清, 田村 哲嗣, 松田 繁樹, 小川 哲司, 黒岩 眞吾, 武田 一哉, 中村哲

  我々雑音下音声認識評価ワーキンググループは，2001 年 10 月から情報処理学会音声言語情報処理研究会の下に組織され，数多く研究されている雑音下の音声認識手法を容易に評価・比較可能な標準評価基盤 CENSREC シリーズの開発・配布を行ってきた．本稿ではその CENSREC シリーズを概観し，また主な音声認識研究の発表の場である日本音響学会全国大会および IEEE ICASSP の発表件数調査を踏まえて，その位置づけを確認する．最後に，今後の展望について述べる．We organized a working group under Special Interest Group of Spoken Language Processing in Information Processing Society of Japan have developed evaluation frameworks of noisy speech recognition (CENSREC series) with which one can evaluate his/her own noise-robust speech recognition method and compare it with the others. In this report, we introduce the series and then review the history of the noisy speech recognition researches in ASJ and ICASSP and view the roles of our works in the history. Finally we discuss the future directions.

  一般社団法人情報処理学会, 2008年10月17日, 情報処理学会研究報告音声言語情報処理（SLP）, 2008(102) (102), 41 - 46, 日本語


• SIFTとGraph Cuts を用いた物体認識及びセグメンテーション

  須賀 晃, 福田 恵太, 滝口 哲也, 有木 康雄

  2008年07月, 画像の認識・理解シンポジウムMIRU2008, pp.611-616, 611 - 616, 日本語

  速報，短報，研究ノート等（学術雑誌）


• PrefixSpan を用いた人物の日常行動抽出

  戸成 拓也, 滝口 哲也, 有木 康雄

  2008年07月, 画像の認識・理解シンポジウムMIRU2008, pp.508-513, 日本語

  速報，短報，研究ノート等（学術雑誌）


• HOG特徴に基づく単眼画像からの人体3 次元姿勢推定

  大西 克則, 滝口 哲也, 有木 康雄

  2008年07月, 画像の認識・理解シンポジウムMIRU2008, pp.960-965, 960 - 965, 日本語

  速報，短報，研究ノート等（学術雑誌）


• AdaBoostとSaliency Mapを用いたGraph Cutsによる花弁領域の自動抽出法

  福田 恵太, 滝口 哲也, 有木 康雄

  2008年07月, 画像の認識・理解シンポジウムMIRU2008, pp.796-801, 日本語

  速報，短報，研究ノート等（学術雑誌）


• メタモデルと音響モデルの統合による構音障害者の音声認識

  松政 宏典, 滝口 哲也, 有木 康雄, 李 義昭, 中林 稔堯

  2008年05月, 電子情報通信学会技術研究報告WIT2008, pp. 37-42, 日本語

  速報，短報，研究ノート等（学術雑誌）


• NetTv: Cross-Platform Video Retrieval and QA System with Speech Interface

  Tanaka Katsuyuki, Takiguchi Tetsuya, Ariki Yasuo

  The objective of this research is to construct a video searching mechanism and speech interface on the multimedia crossplatform, namely TV and Internet, which requires the capability to deal with dynamic contents. Current NetTv enables users to search both recorded TV contents and news on the Internet by simply speaking keywords as a query; hence the videos related to the keyword spoken are retrieved. Also, the system provides a simple keyword based QA system to answer various questions that may occur to users whilst watching retrieved videos. In this way, NetTv improves the usability of video searching and viewing in a hands free way.

  一般社団法人電子情報通信学会, 2008年05月, 電子情報通信学会技術研究報告SP2008, pp.31-36(67) (67), 31 - 36, 日本語

  速報，短報，研究ノート等（学術雑誌）


• D-12-5 PrefixSpanを用いた映像における人物の日常行動抽出(D-12. パターン認識・メディア理解,一般セッション)

  戸成 拓也, 滝口 哲也, 有木 康雄

  一般社団法人電子情報通信学会, 2008年03月05日, 電子情報通信学会総合大会講演論文集, 2008(2) (2), 136 - 136, 日本語


• D-12-121 Wavelet係数の局所テクスチャ特徴量を用いたGraph Cutsによる画像セグメンテーション(D-12. パターン認識・メディア理解,一般セッション)

  福田 恵太, 滝口 哲也, 有木 康雄

  一般社団法人電子情報通信学会, 2008年03月05日, 電子情報通信学会総合大会講演論文集, 2008(2) (2), 252 - 252, 日本語


• D-12-122 SIFTとGraph Cutsを用いた物体認識及びセグメンテーション(D-12. パターン認識・メディア理解,一般セッション)

  須賀 晃, 福田 恵太, 滝口 哲也, 有木 康雄

  一般社団法人電子情報通信学会, 2008年03月05日, 電子情報通信学会総合大会講演論文集, 2008(2) (2), 253 - 253, 日本語


• ニュース検索タスクにおけるシステム要求と雑談の判別

  佐古 淳, 田中 克幸, 滝口 哲也, 有木 康雄

  2008年02月, 第2回音声ドキュメント処理ワークショップ, pp. 67-72, 日本語

  速報，短報，研究ノート等（学術雑誌）


• 2-102 プログラミング相談室((2)専門科目の講義・演習-I,口頭発表論文): 全員の基礎スキルレベルアップのために

  江口 浩二, 安村 禎明, 中村 匡秀, 滝口 哲也, 太田 能, 羅 志偉

  公益社団法人 日本工学教育協会, 2008年, 工学・工業教育研究講演会講演論文集, 2008, 22 - 23, 日本語


• 雑音下音声認識評価ワーキンググループ活動報告：認識に影響する要因の個別評価環境(2)

  北岡 教英, 山田 武志, 滝口 哲也, 柘植 覚, 山本 一公, 宮島 千代美, 西浦 敬信, 中山 雅人, 傳田遊亀, 藤本 雅清, 田村 哲嗣, 松田 繁樹, 小川 哲司, 黒岩 眞吾, 武田 一哉, 中村哲

  音声認識実用化において，雑音下の音声認識の性能向上が叫ばれている．現在も多くの研究が行われているが，これらの手法を客観的に比較評価する標準評価基盤が必要と考えられる．我々は 2001 年 10 月から情報処理学会音声言語情報処理研究会の下で雑音下音声認識評価ワーキンググループとして活動し，標準評価基盤 CENSREC シリーズを構築・配布している．これまでの CENSREC シリーズを概観し，さらに今年度新たに配付する残響下音声認識評価基盤 CENSREC-4 の概要を述べる．そして，ワーキンググループ最終年度に向けて，今後どのような方針で評価基盤を設計・構築・配付していくのかを述べる．Performance improvement of noisy speech recognition is urgent for practical use of speech recognition and methods for this purpose should be compared on common evaluation frameworks. We organized a working group under Special Interest Group of Spoken Language Processing in Information Processing Society of Japan, to develop evaluation frameworks of noisy speech recognition to compare many methods for processing of noisy speech. In this paper, we review the series of CENSREC series and then introduce the reverberant speech recognition evaluation framework CENSREC-4, the newest CENSREC. Finally we describe the road-maps of future CENSRECs.

  一般社団法人情報処理学会, 2007年12月20日, 情報処理学会研究報告音声言語情報処理（SLP）, 2007(129) (129), 1 - 6, 日本語


• 弱識別器にSVMを用いたAdaBoostの検討

  松田 博義, 滝口 哲也, 有木 康雄

  2007年12月, 第9回音声言語シンポジウム, SP2007-120, pp.109-114, 日本語

  速報，短報，研究ノート等（学術雑誌）


• 顔表情からの関心度推定に基づく映像コンテンツへのタギング

  宮原 正典, 青木 政樹, 滝口 哲也, 有木 康雄

  近年,ユーザが視聴可能な映像コンテンツは莫大な量となってきているため,ユーザが自分の好きな映像コンテンツを探し出すことが困難になりつつある.そこで我々は,映像コンテンツを視聴するユーザを撮影し,その表情から関心度を推定することで映像コンテンツにタギングを行い,番組推薦に役立てるためのシステムを提案する.撮影された顔は,Elastic Bunch Graph Matchingによって,顔特徴点抽出と個人認識が行われ,特定された個人に対して,Support Vector Machinesによって関心のクラスが推定される.関心のクラスは,Neutral,Positive,Negative,Rejectiveの4種類であり,映像コンテンツと同期してフレームごとにタギングが行われる.評価実験の結果,関心クラス推定の平均再現率は87.61%,平均適合率は88.03%となった.

  一般社団法人電子情報通信学会, 2007年12月, 電子情報通信学会技術研究報告, PRMU2007-137, pp. 13-18(384) (384), 13 - 18, 日本語

  速報，短報，研究ノート等（学術雑誌）


• 画像セグメンテーションにおけるウェーブレット係数の局所テクスチャ特徴量を用いたGraph Cuts

  福田 恵太, 滝口 哲也, 有木 康雄

  2007年12月, 電子情報通信学会技術研究報告, PRMU2007-138, pp. 19-24, 日本語

  速報，短報，研究ノート等（学術雑誌）


• 音素部分空間の統合による音声特徴量抽出の検討

  朴 玄信, 滝口 哲也, 有木 康雄

  本稿では，事前学習による音声特徴量抽出の枠組みの中で，音素部分空間の統合により，得られた空間へ観測ベクトルを線形射影する特徴量抽出法を提案する．近年，音声認識システムで最も使われている特徴量空間は MFCC (Mel-Hequency Cepstrum Coefficient) 空間である．MFCC 空間は対数メルフィルタバンク出力に離散コサイン変換を適用することにより得られる空間であるが，この射影軸は対象とする音声データの音響特徴に依存することなく一意に決まる．音声認識システムの実用化のためには，実環境で収録された音声データに潜在する音素情報以外の情報を除去する必要がある．MFCC は様々なノイズ抑制手法と組み合わせて使われているが，想定できないノイズが混入すると性能の劣化は避けられない．そこで本研究では，対象データに対し事前学習を行い，観測データから音素情報だけを抽出する部分空間（射影行列）を推定する．具体的には各音素データに対して主成分分析や判別分析を用い特定音素情報を抽出する部分空間を求め，さらに各音素部分空間へ射影された全てのデータに対して主成分分析を行い各音素部分空間を統合する．この統合された部分空間は対象とする音声の音素情報が含まれる空間になり，観測データから音素情報だけ抽出することができる．評価実験としては提案する特徴量を用い，音素 HMM (Hidden Markov Model) を学習し，クリーン音声と残響音声の孤立単語認識を行った．評価実験の結果，提案手法の有効性が確かめられた．In this paper, we propose a speech feature extraction method that is estimating each phoneme-subspace and integrate each subspace within a framework of feature extraction by pre-learning. The most commonly used speech feature for speech recognition is MFCC that is computed applying DCT to the mel-scale filter bank output. This feature space dose not depend on target speech data set and is decided by uniquely. To make speech recognition system fit for practical use, noise that is latent in observed data and useless for recognition must be removed. MFCC is uesd combined with other removing noise methods but performance degradation is inescapable if unexpected noises are mixed in observed data. Consequently, subspaces (projection matrix) that only extract phonemic information are estimated by pre-learning with observed data. Specifically, PCA or LDA are applied to each phoneme data set and each phoneme-subspace were estimated. Additionally, all phoneme-subspaces are integrated by PCA. This integrated subspace will have phonemic information of target speech data set and extract only that information. In evaluation experiment, we modeled phoneme HMM by proposed feature and carried out isolated word recognition experiments. The experiment results showed that the proposed method is effective compared to conventional methods.

  一般社団法人情報処理学会, 2007年12月, 第9回音声言語シンポジウム, SP2007-145, pp. 289-294(129) (129), 241 - 246, 日本語

  速報，短報，研究ノート等（学術雑誌）


• 音声認識との統合によるシステム要求検出

  佐古 淳, 山形 知行, 滝口 哲也, 有木 康雄

  2007年12月, 第9回音声言語シンポジウム, SP2007-120, pp. 143-148, 日本語

  速報，短報，研究ノート等（学術雑誌）


• 音声GMMと雑音重み推定を用いた雑音除去

  三宅 信之, 滝口 哲也, 有木 康雄

  2007年12月, 第9回音声言語シンポジウム, SP2007-100, pp. 25-30, 日本語

  速報，短報，研究ノート等（学術雑誌）


• 韻律及び話者交代情報を用いたシステム要求検出

  山形 知行, 佐古 淳, 滝口 哲也, 有木 康雄

  2007年12月, 第9回音声言語シンポジウム, SP2007-145, pp. 289-294, 日本語

  速報，短報，研究ノート等（学術雑誌）


• J-002 ユーザの表情に基づく映像コンテンツへのタギング(J分野:ヒューマンコミュニケーション&インタラクション)

  宮原 正典, 青木 政樹, 滝口 哲也, 有木 康雄

  FIT(電子情報通信学会・情報処理学会)運営委員会, 2007年08月22日, 情報科学技術フォーラム一般講演論文集, 6(3) (3), 389 - 390, 日本語


• H-015 PCA相関フィルタによる目領域の探索(H分野:画像認識・メディア理解)

  鈴木 亜紀子, 滝口 哲也, 有木 康雄

  FIT(電子情報通信学会・情報処理学会)運営委員会, 2007年08月22日, 情報科学技術フォーラム一般講演論文集, 6(3) (3), 37 - 38, 日本語


• 探索手法の切り替えを用いたサッカー映像におけるボール追跡システム

  矢野 一樹, 滝口 哲也, 有木 康雄

  2007年08月, 画像の認識・理解シンポジウム, MIRU2007, IS-3-22, pp. 1052-10, 日本語

  速報，短報，研究ノート等（学術雑誌）


• 固定カメラ映像からの音声・画像情報を用いた映像コンテンツの生成

  足立 順, 滝口 哲也, 有木 康雄

  2007年08月, 画像認識・理解シンポジウム, MIRU2007, IS2-08, pp. 750-755, 日本語

  速報，短報，研究ノート等（学術雑誌）


• マルチ識別器を用いた画像検索による花図鑑システム

  福田 恵太, 滝口 哲也, 有木 康雄

  2007年08月, 画像認識・理解シンポジウム, MIRU2007, IS-5-21, pp. 1498-15, 日本語

  速報，短報，研究ノート等（学術雑誌）


• EBGMを用いた唇の形状抽出による発話区間の検出

  増田 健, 青木 政樹, 松田 博義, 有木 康雄, 滝口 哲也

  2007年08月, 画像の認識・理解シンポジウム, MIRU2007, IS-4-08, pp. 1189-11, 日本語

  速報，短報，研究ノート等（学術雑誌）


• 情報家電操作における脳性麻痺構音障害者の音声認識評価

  松政 宏典, 田中 克幸, 滝口 哲也, 有木 康雄, 李 義昭, 中林 稔堯

  2007年05月, 電子情報通信学会技術研究報告WIT, WIT2007-7, pp. 33-38, 日本語

  速報，短報，研究ノート等（学術雑誌）


• 音素PCAを用いた残響下における音声特徴量抽出

  朴 玄信, 滝口 哲也, 有木 康雄

  2007年05月, 電子情報通信学会技術研究報告, SP2007-1, pp. 1-6, 日本語

  速報，短報，研究ノート等（学術雑誌）


• D-12-18 マルチ識別器を用いた花画像検索システムの構築(D-12.パターン認識・メディア理解,一般講演)

  福田 恵太, 滝口 哲也, 有木 康雄

  一般社団法人電子情報通信学会, 2007年03月07日, 電子情報通信学会総合大会講演論文集, 2007(2) (2), 134 - 134, 日本語


• D-11-86 赤外線映像におけるドライバの顔方位判定(D-11.画像工学D(画像処理・計測),一般講演)

  井上 淳一, 滝口 哲也, 有木 康雄, 古賀 健太郎

  一般社団法人電子情報通信学会, 2007年03月07日, 電子情報通信学会総合大会講演論文集, 2007(2) (2), 86 - 86, 日本語


• D-12-88 マルチテンプレート型二次元CSPによる高速目領域検索(D-12.パターン認識・メディア理解,一般講演)

  鈴木 亜紀子, 滝口 哲也, 有木 康雄

  一般社団法人電子情報通信学会, 2007年03月07日, 電子情報通信学会総合大会講演論文集, 2007(2) (2), 204 - 204, 日本語


• D-12-40 自動映像生成のためのパーティクルフィルタによるボールの追跡(D-12.パターン認識・メディア理解,一般講演)

  矢野 一樹, 滝口 哲也, 有木 康雄

  一般社団法人電子情報通信学会, 2007年03月07日, 電子情報通信学会総合大会講演論文集, 2007(2) (2), 156 - 156, 日本語


• D-12-80 顔特徴点移動量・点間距離変化量の組み合わせに基づく顔表情認識(D-12.パターン認識・メディア理解,一般講演)

  宮原 正典, 滝口 哲也, 有木 康雄

  一般社団法人電子情報通信学会, 2007年03月07日, 電子情報通信学会総合大会講演論文集, 2007(2) (2), 196 - 196, 日本語


• D-14-17 固定カメラ映像からの音声情報を用いた映像コンテンツ生成(D-14.音声・聴覚,一般講演)

  足立 順, 滝口 哲也, 有木 康雄

  一般社団法人電子情報通信学会, 2007年03月07日, 電子情報通信学会総合大会講演論文集, 2007(1) (1), 153 - 153, 日本語


• ブースティングを用いた野球実況中継に対するメタデータの作成

  佐古淳, 滝口 哲也, 有木 康雄

  [豊橋技術科学大学メディア科学リサーチセンター], 2007年02月, 第1回音声ドキュメント処理ワークショップ, pp. 121-126, 121 - 126, 日本語

  速報，短報，研究ノート等（学術雑誌）


• トピックモデルとタスクの知識を用いた言語モデルによる野球実況中継の構造化

  佐古淳, 滝口 哲也, 有木 康雄

  2007年02月, 第1回音声ドキュメント処理ワークショップ, pp. 115-120, 日本語

  速報，短報，研究ノート等（学術雑誌）


• 構音障害者の音声認識の検討

  松政宏典, 滝口 哲也, 有木 康雄, 李義昭, 中林 稔堯

  2007年01月, 電子情報通信学会技術研究報告, WIT2006-75,pp13-18, 日本語

  速報，短報，研究ノート等（学術雑誌）


• NetTv:NetNewsとテレビ放送のクロスプラットホームにおける動画のインデキシングと音声検索

  田中 克幸, 滝口 哲也, 有木 康雄

  2007年01月, 情報処理学会データベースシステム研究会研究報告, 2007-DBS-141, pp.59-66, 59 - 66, 日本語

  速報，短報，研究ノート等（学術雑誌）


• Multi-class AdaBoost を用いた雑音検出

  三宅 信之, 滝口 哲也, 有木 康雄

  雑音が混入することで音声認識率は低下してしまう。そのため雑音抑圧を行うことが重要であるが、雑音抑圧には雑音を推定する必要がある。しかしながら、発話中に突如雑音が発生する場合、雑音を推定するのは困難であり抑圧も行いにくい。本稿では発話中に突如発生したような雑音（突発性雑音）をMulti-class AdaBoostで検出し、同時に雑音の種類を識別する方法を提案する。評価実験の結果、音声に重畳した信号対雑音比（SNR）5dB?-5dBの継続時間が200ms程度の雑音を高い精度で検出、識別できることを確認した。A noise signal decreases speech recognition rate. Therefore, noise reduction is important, and it needs to estimate the noise signal. However, estimating noise is difficult when the noise happens suddenly in a speech. We proposed the method for detecting and identifying the noise in a speech, where it happens suddenly. Its effectiveness is confirined at SNR -5 縲鰀 5dB for the noise duration time 200 ms.

  一般社団法人情報処理学会, 2006年12月21日, 情報処理学会研究報告音声言語情報処理（SLP）, 2006(136) (136), 7 - 12, 日本語


• 雑音下音声認識評価ワーキンググループ活動報告 : 認識に影響する要因の個別評価環境

  北岡 教英, 山田 武志, 滝口 哲也, 柘植 覚, 山本 一公, 宮島 千代美, 西浦 敬信, 中山 雅人, 傳田 遊亀, 藤本 雅清, 田村 哲嗣, 黒岩 眞吾, 武田 一哉, 中村 哲

  雑音下の音声認識の性能向上は音声認識実用化のために急務である.これまでに数多くの研究が行われてきており,これらの手法を客観的に比較評価できる標準評価基盤の構築を目的として,2001年10月,情報処理学会告声言語情報処理研究会の下に雑音下音声認識評価ワーキンググループを組織した.本稿ではこれまでの標準評価基盤CENSRECシリーズを振り返り,今年度新たに配付したCENSREC-1-Cの概要と位置づけを述べる.さらに,今後どのような方針で新たな評価基盤を設計・構築・配付するのかについての考えを述べる.

  一般社団法人電子情報通信学会, 2006年12月14日, 電子情報通信学会技術研究報告. SP, 音声, 106(443) (443), 1 - 6, 日本語


• Multi-class AdaBoost を用いた雑音検出

  三宅 信之, 滝口 哲也, 有木 康雄

  雑音が混入することで音声認識率は低下してしまう.そのため雑音抑圧を行うことが重要であるが,雑音抑圧には雑音を推定する必要がある.しかしながら,発話中に突如雑音が発生する場合,雑音を推定するのは困難であり抑圧も行いにくい.本稿では発話中に突如発生したような雑音(突発性雑音)をMulti-class AdaBoostで検出し,同時に雑音の種類を識別する方法を提案する.評価実験の結果,音声に重畳した信号対雑音比(SNR)5dB〜-5dBの継続時間が200ms程度の雑音を高い精度で検出,識別できることを確認した.

  一般社団法人電子情報通信学会, 2006年12月14日, 電子情報通信学会技術研究報告. SP, 音声, 106(443) (443), 7 - 12, 日本語


• 局所特徴量によるフィッシャー重みマップに基づく音素認識

  加藤俊祐, 滝口 哲也, 有木 康雄

  本稿では,高次局所自己相関(HLAC)とフィッシャー重みマップ(FWM)に基づく新しい音声特徴抽出法について提案する.現在,音響・音声認識分野では,MFCCが広く用いられているが,時間特徴が表現できていないという問題がある.この問題を解決するために,時間-周波数平面上の3x3局所領域において,35種類の局所パターンに対する局所自己相関特徴を計算し,これを局所特徴量とする.ある一定の時間幅を持つ時間-周波数平面(フレーム)において,35種類の局所パターンごとに,識別効果の高い領域の局所特徴量に重みを付けて加算し,音声特徴ベクトル(35次元)を形成する.この重みをフィッシャー重みマップと呼ぶ・音素認識において,HLACとFWMの有効性を確認した.

  一般社団法人電子情報通信学会, 2006年12月, 第8回音声言語シンポジウム, SIG-SLP64, pp. 19-24(444) (444), 19 - 24, 日本語

  速報，短報，研究ノート等（学術雑誌）


• 音響モデルを利用したシングルチャネルによる音源方向推定

  住田雄司, 滝口 哲也, 有木 康雄

  本稿では,音響モデルを利用することにより,単一マイクロホンで音源方向を推定する方法を検討する.あらかじめクリーン音声の音響モデルを作成しておき,各方向から到来する数単語の音声を用いて,EMアルゴリズムに基づきクリーン音声モデルと音響伝達特性の分離を行う.また本稿では,音響伝達特性のモデルとしてGMM(Gaussian Mixture Model)を用いる事により,短時間分析における音響伝達特性のばらつきの影響に対処する方法も検討する.

  一般社団法人電子情報通信学会, 2006年12月, 電子情報通信学会技術研究報告, EA2006-90, pp. 7-11(432) (432), 7 - 11, 日本語

  速報，短報，研究ノート等（学術雑誌）


• AdaBoostを用いたシステムへの問い合わせと雑談の判別

  佐古淳, 滝口 哲也, 有木 康雄

  2006年12月, 第8回音声言語シンポジウム, SIG-SLP64, pp. 19-24, 日本語

  速報，短報，研究ノート等（学術雑誌）


• 3次キュムラントのBispectrumとMFCCの統合による音声区間検出の検討

  松田博義, 滝口 哲也, 有木 康雄

  2006年12月, 電子情報通信学会技術研究報告, SP2006-85, pp. 89-94, 日本語

  速報，短報，研究ノート等（学術雑誌）


• CENSREC-1-C:雑音下音声区間検出評価基盤の構築

  北岡 教英, 山田 武志, 柘植 覚, 宮島 千代美, 西浦 敬信, 中山 雅人, 傳田遊亀, 藤本 雅清, 山本 一公, 滝口 哲也, 黒岩 眞吾, 武田 一哉, 中村 哲

  雑音下における音声認識 音声強調 音声符号化などの音声処理で重要な役割を果たす音声区間検出(Voice Activity Detection;VAD)手法を評価するための基盤としてCENSREC-LCを構築した．これは，雑音下で発声された連続数字音声データとＶＡＤ結果の評価を行うツール群からなる．評価方法としては一般的なフレームベースの検出性能評価尺度と音声認識を指向した発話単位の評価尺度を定義した．そして，音声パワーに基づくベースライン手法による川の結果をこれら２つの評価尺度で評価した結果を示した．Voice activity detection (VAD) plays an important role in speech processing including speech recognition, speech enhancement, and speech coding under noisy environment. We developed a evaluation framework for VAD under noisy environments, named CENSREC-1-C. This framework consists of noisy continuous digit utterances and evaluation tools for VAD results. We defined two evaluation measures, one for frame-level detection performance and the other for utterance-level detection perfromance. We showed the evaluation results of a baseline power-based VAD method.

  一般社団法人情報処理学会, 2006年10月20日, 情報処理学会研究報告音声言語情報処理（SLP）, 2006(107) (107), 1 - 6, 日本語


• 3次キュムラント音声特徴を用いた音声区間検出

  松田博義, 滝口 哲也, 有木 康雄

  雑音下において音声認識を行う際,音声非音声の判定により音声区間検出(VAD: Voice Activity Detection)を行う必要がある.静かな状況ではゼロクロッシング法などにより区間検出を行うことが可能である.しかし雑音下,特に音声の大部分が雑音に埋もれてしまっているような状況においては,従来の手法では十分な結果を得ることができない.本稿では,雑音に対するロバストな音声区間検出の手法として,音声特徴に高次統計量として知られているキュムラント(Cumulant)を用いること,および,MFCC(Mel Frequency Cepstrum Coefficient)との初期統合を行う方法を提案する.実データを用いた実験により,提案手法の有効性を検証する.

  一般社団法人電子情報通信学会, 2006年09月, 電子情報通信学会技術研究報告, SIP, pp. 37-42(263) (263), 37 - 42, 日本語

  速報，短報，研究ノート等（学術雑誌）


• I_022 二次元CSPによる目領域探索の高速化(I分野:画像認識・メディア理解)

  鈴木 亜紀子, 滝口 哲也, 有木 康雄

  FIT(電子情報通信学会・情報処理学会)運営委員会, 2006年08月21日, 情報科学技術フォーラム一般講演論文集, 5(3) (3), 49 - 50, 日本語


• 唇領域の動静判定と音声・雑音判定の統合に基づく発話区間の検出

  増田 健, 松田博義, 井上淳一, 有木 康雄, 滝口 哲也

  2006年07月, 画像認識・理解シンポジウム, pp. 934-939, 日本語

  速報，短報，研究ノート等（学術雑誌）


• D-14-7 AdaBoostと音声・唇GMMによる発話区間検出(D-14.音声・聴覚,一般講演)

  松田 博義, 増田 健, 滝口 哲也, 有木 康雄, 神谷 昌宏

  一般社団法人電子情報通信学会, 2006年03月08日, 電子情報通信学会総合大会講演論文集, 2006(1) (1), 131 - 131, 日本語


• SLP雑音下音声認識評価WG活動報告 : 評価用データと評価手法について

  中村 哲, 武田 一哉, 黒岩 眞吾, 北岡 教英, 山田 武志, 山本 一公, 西浦 敬信, 佐宗 晃, 水町 光徳, 宮島 千代美, 藤本 雅清, 遠藤 俊樹, 滝口 哲也

  現在の音声認識は, 実使用環境に存在する雑音などの外的要因により性能劣化を免れない.このため, これまで数々の研究が行われてきた.しかしながら, 異なるタスク, 異なる評価データが用いられてきたため性能の比較が非常に困難であった.このため, 情報処理学会音声言語情報処理研究会の下に雑音下音声認識評価のワーキンググループを2001年10月に組織し、評価用標準コーパス、標準バックエンドの作成、配布を行ってきた。本稿では, 本活動の現状と今後の予定, 狙いについて述べる.

  一般社団法人電子情報通信学会, 2005年12月22日, 電子情報通信学会技術研究報告. NLC, 言語理解とコミュニケーション, 105(494) (494), 49 - 54, 日本語


• SLP雑音下音声認識評価WG活動報告 －評価用データと評価手法について－

  中村 哲, 武田 一哉, 黒岩眞吾, 北岡教英, 山田 武志, 山本一公, 西浦敬信, 佐宗 晃, 水町光徳9, 宮島 千代美, 藤本 雅清, 遠藤 俊樹, 滝口 哲也

  現在の音声認識は，実使用環境に存在する雑音などの外的要因により性能劣化を免れない．このため，これまで数々の研究が行われてきた．しかしながら，異なるタスク，異なる評価データが用いられてきたため性能の比較が非常に困難であった．このため，情報処理学会音声言語情報処理研究会の下に雑音下音声認識評価のワーキンググループを2001年10月に組織し、評価用標準コーパス、標準バックエンドの作成、配布を行ってきた。本稿では，本活動の現状と今後の予定，狙いについて述べる．Performance degradation by environmental interference such as noise and reverberation is inevitable for the current state of the art speech recognition. So far there have been many researches to overcome this problem. However, it has been very difficult to know actual improvements and compare those methods since those methods were developed for individual tasks and on different corpus. To overcome these problems, we organized a working group under Information Processing Society of Japan. This paper introduces current activities and a future road-map of a common standardized framework for noisy speech recognition by the working group organized by the authors.

  一般社団法人情報処理学会, 2005年12月22日, 情報処理学会研究報告音声言語情報処理（SLP）, 2005(127) (127), 139 - 144, 日本語


• 複素スペクトル平面での2chマイクロフォンを用いた雑音除去

  大久保 俊也, 滝口 哲也, 有木 康雄

  2005年03月08日, 日本音響学会研究発表会講演論文集, 2005(1) (1), 123 - 124, 日本語


• 単語共起に注目した野球実況中継の構造化

  佐古 淳, 滝口 哲也, 有木 康雄

  2005年03月08日, 日本音響学会研究発表会講演論文集, 2005(1) (1), 149 - 150, 日本語


• コンテキストアウェアネスに基づく対話型テレビの検討

  滝口 哲也, 有木 康雄, 佐古 淳

  2005年, 音声言語情報処理研究会, SLP2005-58, pp. 25-30, 日本語

  速報，短報，研究ノート等（学術雑誌）


• Kernel PCAを用いたロバスト特徴量抽出の検討

  滝口 哲也, 有木 康雄

  2005年, 音声言語情報処理研究会, SLP-59, pp. 175-180, 日本語

  速報，短報，研究ノート等（学術雑誌）


• Improved HMM Separation for Distant-Talking Speech Recognition

  TAKIGUCHI Tetsuya, NISHIMURA Masafumi

  In distant-talking speech recognition, the recognition accuracy is seriously degraded by reverberation and environmental noise. A robust speech recognition technique in such environments, HMM separation and composition, has been described in [1]. HMM separation estimates the model parameters of the acoustic transfer function using adaptation data uttered from an unknown position in noisy and reverberant environments, and HMM composition builds an HMM of noisy and reverberant speech, using the acoustic transfer function estimated by HMM separation. Previously, HMM separation has been applied to the acoustic transfer function based on a single Gaussian distribution. However the improvement was smaller than expected for the impulse response with long reverberations. This is because the variance of the acoustic transfer function in each frame increases, since the length of the impulse response of the room reverberation is longer than that of the spectral analysis window. In this paper, HMM separation is extended to estimate the acoustic transfer function based on the Gaussian mixture components in order to compensate for the greater variability of the acoustic transfer function, and the re-estimation formulae are derived. In addition, this paper introduces a technique to adapt the noise weight for each mel-spaced frequency in order to improve the performance of the HMM separation in the linear-spectral domain, since the use of the HMM separation in the linear-spectral domain sometimes causes a negative mean output due to the subtraction operation. The extended HMM separation is evaluated on distant-talking speech recognition tasks. The results of the experiments clarify the effectiveness of the proposed method.

  一般社団法人電子情報通信学会, 2004年05月01日, IEICE transactions on information and systems, 87(5) (5), 1127 - 1137, 英語


• ハンズフリー音声認識におけるHMM分離法の改良

  滝口 哲也, 西村 雅史

  2003年03月18日, 日本音響学会研究発表会講演論文集, 2003(1) (1), 45 - 46, 日本語


• 残響下音声認識におけるHMM分離法の改良

  滝口 哲也, 西村 雅史

  2003年, 情報処理学会音声言語情報処理研究会, SLP45-3, 日本語

  [査読有り]

  その他


• 雑音・残響下音声認識におけるHMM分離・合成法の改良

  滝口 哲也, 西村 雅史

  2003年, 電子情報通信学会応用音響研究会, EA2003-2, 日本語

  [査読有り]

  その他


• プロファイル フィッティング法による雑音抑圧処理

  市川 治, 滝口 哲也, 西村 雅史

  本報告では,マイクロフォンアレイの指向性をいろいろな方向に向けて観測される角度別の音声パワー分布の形状(プロファイル)に注目した雑音抑圧法を提案する.観測されたプロファイルを既知のプロファイルに成分分解することにより,目的方向外から到来する雑音成分を排除し,目的方向の音声のみを抽出することができることを示す.本手法は,特に小規模のマイクロフォンアレイにおいて効果的であり,例えばわずか左右2本のマイクロフォンを使用した場合でも,雑音環境下の音声認識精度を大幅に改善することができる.音声認識実験により,従来の2チャンネルスペクトルサブトラクション型ビームフォーマよりも高い音声認識率が得られることを示す.

  一般社団法人電子情報通信学会, 2002年05月23日, 電子情報通信学会技術研究報告. SP, 音声, 102(107) (107), 19 - 23, 日本語


• ビーム形状に注目した音声強調処理

  市川 治, 滝口 哲也, 西村 雅史

  2002年03月18日, 日本音響学会研究発表会講演論文集, 2002(1) (1), 69 - 70, 日本語


• フレーム単位でのモデル選択による突発性雑音下での音声認識

  滝口 哲也, 西村 雅史

  2002年03月18日, 日本音響学会研究発表会講演論文集, 2002(1) (1), 57 - 58, 日本語


• 調波構造と音源方向を利用した音声強調手法の検討

  滝口 哲也, 阪本 正治, 西村 雅史

  2002年03月18日, 日本音響学会研究発表会講演論文集, 2002(1) (1), 179 - 180, 日本語


• 車内音声認識におけるマルチスタイル学習法の効果について

  滝口 哲也, 西村 雅史

  2001年10月01日, 日本音響学会研究発表会講演論文集, 2001(2) (2), 155 - 156, 日本語


• 構造を仮定しない文解釈の一手法

  伊東 伸泰, 荻野 紫穂, 滝口 哲也, 西村 雅史

  2001年10月01日, 日本音響学会研究発表会講演論文集, 2001(2) (2), 49 - 50, 日本語


• 声を認識する

  滝口 哲也

  一般社団法人日本機械学会, 2001年06月05日, 日本機械学会誌, 104(991) (991), 360 - 361, 日本語


• HMM 合成と遅延和アレーの統合による混合音声の認識

  滝口 哲也, 西村 雅史

  2001年03月01日, 日本音響学会研究発表会講演論文集, 2001(1) (1), 181 - 182, 日本語


• HMM合成法を用いた混合音声の認識

  滝口 哲也, 西村 雅史

  2000年09月01日, 日本音響学会研究発表会講演論文集, 2000(2) (2), 113 - 114, 日本語


• フレーム間の関係を考慮した残響音声認識の検討

  杉村 耕司, 滝口 哲也, 中村 哲, 鹿野 清宏

  1999年03月01日, 日本音響学会研究発表会講演論文集, 1999(1) (1), 127 - 128, 日本語


• 伝達特性Ergodic-HMMを用いたHMM合成法に基づく移動話者の音声認識

  滝口 哲也, 中村 哲, 鹿野 清宏

  1999年03月01日, 日本音響学会研究発表会講演論文集, 1999(1) (1), 27 - 28, 日本語


• 雑音・残響環境下でのHMM分解・合成法によるモデル適応化

  滝口 哲也, 中村 哲, 鹿野 清宏

  ユーザがマイクロホンから離れて発話した場合のハンズフリー音声認識に対しては, 残響環境下において認識精度が劣化してしまう.なぜなら, その音声は, 周囲の雑音および残響の影響を受けてしまい, 学習データと観測データとの間にミスマッチが生じてしまうためである.それらの影響に対処するために, 筆者らは, これまでに音響伝達特性HMMを作成し, HMM合成法による音声認識法を提案した[1], [2].しかし, その方法では認識を行う前に, あらかじめ各場所からの音声伝達特性を測定する必要があった.本論文では, 音響伝達特性HMMの推定を, 観測信号より行う方法を提案する.この方法では, 話者の場所が既知である必要はなく, 任意の場所から発話された適応データを用いて, 最ゆう推定に基づき, HMMを一つの既知HMMともう一つのHMMに分解し, モデルパラメータの推定を行う.音素を単位にした500単語認識実験の結果, 特定話者認識率が77.2%から91.2%に, 不特定話者認識率は54.4%から66.2%に改善され, 提案方法の有効性が示された.

  電子情報通信学会, 1998年10月, 電子情報通信学会論文誌. D-2, 情報・システム 2-情報処理, 81(10) (10), 2231 - 2238, 日本語


• 電話音声認識におけるHMM分解・合成法の性能評価

  滝口 哲也, 中村 哲, 鹿野 清宏, 森島 昌俊, 磯部 俊洋

  本稿では、著者らがこれまでに提案したHMM分解・合成法を有線・コドレスハンドセットから受音し一般公衆回線を経由して収録した電話音声に対して適用した。このHMM分解法は、尤度最大化にもとづいて、合成HMMをある既知HMMともう一方の未知HMMに分解する方法である。HMM分解法では、雑音HMMをパワースクトラム領域において分解し、ケプストラム領域において回線特性HMMを分解する。10機種の有線・コードレスハンドセットから受音し一般公衆回線を経由した音声に対する実験の結果、有線電話音声の認識率が60.9%、コードレス電話音声の認識率が19.6%から、HMM分解・合成法を適用することにより、78.1%、43.2%へ改善された。

  一般社団法人電子情報通信学会, 1998年06月12日, 電子情報通信学会技術研究報告. SP, 音声, 98(106) (106), 39 - 44, 日本語


• 短区間スペクトル分析における残響補正に関する検討

  中村 哲, 滝口 哲也, 鹿野 清宏

  実環境下における音声の認識、特にマイクロホンから離れて音声を入力するハンズフリーの音声認識では、環境に存在する雑音および部屋の残響が大きな性能劣化をもたらしてしまう。これまでに著者らは、比較的残響時間の短い部屋内を移動する話者の音声認識を実現するため、モデル適応化の立場からHMM分解・合成法を提案し有効性を示してきている。しかしながら、HMM分解・合成法の処理は短区間フレーム分析によるケプストラムに基づいているため、長い残響に対しては充分な効果を得ることが難しかった。本稿では、この問題を解決することを目的に、分析フレーム長より長い残響時間を有するインパルス応答の影響を短区間スペクトル分析に基づいて対処するための基礎検討について述べる。

  一般社団法人電子情報通信学会, 1998年06月12日, 電子情報通信学会技術研究報告. SP, 音声, 98(106) (106), 17 - 22, 日本語


• 電話音声の話者認識における雑音とハンドセットの影響

  宮本 宗易, 滝口 哲也, 中村 哲, 鹿野 清宏

  1998年03月17日, 全国大会講演論文集, 56, 82 - 83, 日本語


• 短区間スペクトル分析における残響補正に関する検討

  中村 哲, 滝口 哲也, 鹿野 清宏

  1998年03月01日, 日本音響学会研究発表会講演論文集, 1998(1) (1), 103 - 104, 日本語


• 雑音・残響環境下でのHMM分解・合成法によるハンズフリー音声認識

  滝口 哲也, 中村 哲, 鹿野 清宏

  ユーザがマイクロホンから離れて発話した場合のハンズフリー音声認識では，周囲の雑音及び残響の影響を受けてしまい，認識精度が劣化してしまう．それらの影響に対処するために，本稿では，観測信号に対する尤度最大化にもとづいた，音響伝達特性HMMの推定方法を提案する．提案するHMM分解法は，雑音・残響環境下では2回適用される．まず，周波数領域において，雑音HMMからの分解をML推定にもとづいて行なう．更に，領域変換を行ない，ケプスドラム領域において，音響伝達特性HMMをML推定にもとづいて分解する．また，この領域変換の際には，特徴パラメータを直接取り扱うのではなく，モデルパラメータを用いる．音素を単位にした500単語認識実験の結果，特定話者認識率が77．2%から91．2%に，不特定話者認識率は54．4%から66．2%に改善され，提案方法の有効性が示された．This paper proposes a new method to estimate HMM parameters of an acoustical transfer function based on HMM decomposition for hands-free speech recognition. This method is able to estimate the model parameters by maximizing a likelihood (ML) of noisy reverberant speech data in the model domain. The proposed HMM decomposition method is applied twice to noisy reverberant speech. Firstly, the HMM decomposition method is applied in the liner spectral domain to estimate the distorted speech HMMs by ML estimation. The obtained distorted speech HMMs are converted to the cepstral domain. Then the HMM decomposition method is applied again in the cepstral domain to estimate the acoustical transfer function HMM by ML estimation. The speaker dependent and independent recognition rates for distant-talking 500 words are improved from 77.2% to 91.2% and from 54.4% to 66.2%, respectively.

  一般社団法人情報処理学会, 1998年02月05日, 情報処理学会研究報告音声言語情報処理（SLP）, 1998(12) (12), 87 - 94, 日本語


• HMM分解によるモデル適応化法の実環境評価

  滝口 哲也, 中村 哲, 鹿野 清宏

  1997年09月01日, 日本音響学会研究発表会講演論文集, 1997(2) (2), 157 - 158, 日本語


• HMM分解に基づいたモデル適応化法による雑音・残響環境下での音声認識

  滝口 哲也, 中村 哲, HUO Qiang, 鹿野 清宏

  1997年03月01日, 日本音響学会研究発表会講演論文集, 1997(1) (1), 39 - 40, 日本語


• HMM分解に基づいたパラメータ適応化法による残響環境下での音声認識

  滝口 哲也, 中村 哲, Huo Qiang, 鹿野 清宏

  ハンズフリー音声認識に対しては、残響環境下において認識精度が劣化してしまう。本稿では、認識精度を劣化させる要因の一つである音響伝達特性HMMの推定法を提案する。この方法では、話者の場所が既知である必要はなく、任意の場所から発話された適応データを用いて、パラメータの推定を行なう。我々がこれまでに提案した方法では、認識を行なう前にあらかじめ各場所からの音響伝達特性を測定する必要がある。しかしながら実際の環境において、あらかじめ音響伝達特性を測定しておくのは不便である。提案方法のHMM分解は、HMM合成の逆の過程により導かれ、任意の場所から発話された観測データを用いて音響伝達特性を推定することが可能である。500単語認識実験の結果、特定話者認識率が79.8%から87.6%まで改善され、不特定話者認識率は、66.5%から70.1%まで改善され、これらの結果より提案方法の有効性を示す。

  一般社団法人電子情報通信学会, 1997年01月16日, 電子情報通信学会技術研究報告. SP, 音声, 96(448) (448), 7 - 12, 日本語


• 雑音と残響のある環境下でのHMM合成によるハンズフリー音声認識法

  滝口 哲也, 中村 哲, 鹿野 清宏

  実環境においては,加法性雑音だけでなく,残響も認識精度を劣化させる要因となる.本論文では,そのような環境における音声認識法としてHMM合成法に基づく手法を提案する.この手法により,話者はマイクロホンの位置を意識せずに発話することが可能になり,ユーザインタフェースの向上が実現される.HMM合成法は,加法性雑音の対処方法として提案されている[1], [2].本提案手法では,従来の雑音のHMMによるモデル化に加えて,音響伝達特性のHMMによるモデル化を試みる.このHMMの各状態を音源位置に対応させることにより,話者が自由に動いても対処することが可能になる.雑音と残響のある環境下での音声モデルを,この音響伝達特性HMM,雑音HMM,クリーン音声HMMを合成することで作成し,認識は,最ゆう法により行われる.本提案手法により,雑音と残響により影響を受けた音声に対して,特定話者認識では,4.8%から67.2%へ,不特定話者認識では,18.7%から57.2%への認識率の改善が得られた.

  電子情報通信学会, 1996年12月25日, 電子情報通信学会論文誌. D-2, 情報・システム 2-情報処理, 79(12) (12), 2047 - 2053, 日本語


• 残響環境下でのHMM合成・分割を用いたモデルパラメータ適応

  滝口 哲也, 中村 哲, 鹿野 清宏

  1996年09月01日, 日本音響学会研究発表会講演論文集, 1996(2) (2), 147 - 148, 日本語


• マイクロホンアレーとHMM合成による実環境における音声認識実験

  青木 二寛, 山田 武志, 滝口 哲也, 中村 哲, 鹿野 清宏

  1996年09月01日, 日本音響学会研究発表会講演論文集, 1996(2) (2), 133 - 134, 日本語


• HMM合成を用いた音声認識における残響時間の影響の検討

  滝口 哲也, 中村 哲, 鹿野 清宏

  1996年03月01日, 日本音響学会研究発表会講演論文集, 1996(1) (1), 43 - 44, 日本語


• 加法性雑音、伝達特性による歪みを受けた音声のHMM合成による認識

  滝口 哲也, 中村 哲, 鹿野 清宏

  実環境において認識精度を劣化させる要因として、様々な背景雑音が存在する。また話者がマイクロホンの位置を意識せずに発話した際、音声は部屋の伝達特性による歪みの影響を受け、認識精度が劣化する。本稿では、雑音HMMによるモデル化に加えて伝達特性のHMMによるモデル化を試みる。この伝達特性HMMの状態を音源位置に対応させることにより、話者は自由に動いてもモデル側でそれを対処することが可能になる。さらに伝達特性の影響により歪んだ雑音重畳音声を認識するために、音声、雑音、伝達特性の合成HMMを作成する方法を提案する。500単語認識実験の結果、伝達特性により歪んだ雑音重畳音声に対し、クリーン音声で学習したHMMでの認識率は23・6%、雑音に対して適応した合成モデルでは78.6%、さらに雑音と伝達特性に対して適応した合成HMMを使用することにより80.6%の性能となり、本方法により57.0%の改善ができることが明らかとなった。

  一般社団法人電子情報通信学会, 1995年10月20日, 電子情報通信学会技術研究報告. SP, 音声, 95(319) (319), 41 - 46, 日本語