هوش مصنوعی و یادگیری عمیق به کمک تکنیک لب خوانی می آیند

لب خوانی عملی دشوار و پیچیده است. نتایج به دست آمده از این تکنیک تفاوت های زیادی را بین افراد نشان می دهد، اما در مجموع می توان گفت شخص عادی با نگاه به چهره دیگران، می تواند از هر 10 واژه یکی را به درستی حدس بزند، و این موضوع در بین متخصصین لب خوانی کمی بالاتر است.

با این حال، اگر با به کار گیری روش های هوش مصنوعی و یادگیری عمیق توانسته ایم تشخیص گفتار صوتی را به عملکردی در سطح انسان برسانیم، پس چرا از همین رویه برای لب خوانی بهره نگیریم؟

به تازگی محققین دانشگاه اکسفورد مقاله ای را منتشر کرده اند که به کار گیری روش یادگیری عمیق را در لب خوانی نشان می دهد، و نتایج آن نسبتاً امیدوارکننده است. این نرم افزار که LipNet نام دارد، در شرایط کنترل شده به دقت 93.4 درصدی در تشخیص لغات دست یافته، در حالی که متخصصین لب خوانی در شرایطی مشابه حداکثر 52.3 درصد واژه ها را به درستی شناسایی کردند.

نکته مهم در مورد این نرم افزار، عملکرد سریع و بلادرنگ آن است و با اینکه سیستم هنوز در مراحل اولیه قرار دارد، باز هم می تواند ویدیوی صامت را به صورت آنی به متن نوشتاری تبدیل نماید.

آموزش سیستم فوق با استفاده از مجموعه داده GRID صورت گرفته، که ده ها هزار ویدیوی کوتاه از 34 نفر داوطلب را در بر می گیرد. این افراد در کلیپ های 3 ثانیه ای، جملاتی با الگوی مشخص و کلمات محدود را بیان می کردند. به همین دلیل منتقدین پروژه فوق می گویند این پژوهش در جهان واقعی کاربرد نخواهد داشت.

البته محققین مورد بحث در دفاع از خود عنوان داشتند دلیل استفاده از GRID صرفاً به خاطر محدودیت داده های استاندارد کنونی بوده و در صورتی که مجموعه داده غنی تر و گسترده تری در اختیار داشته باشند، می توانند همین نتایج مثبت را به دست آورند.

گفتنیست افرادی که در مورد حریم شخصی و مشکلات امنیتی این تکنولوژی بدبین هستند نیز نگران نباشند. به گفته این پژوهشگران، لب خوانی دقیق به تصویربرداری مستقیم از چهره با وضعیتی ثابت و قابلیت مشاهده زبان وابسته است، بنابراین دوربین های شهری هیچگاه محتوایی با کیفیت را برای استفاده از این فناوری تولید نخواهند کرد.

مطالب مرتبط

یک اسکوتر خاص به نام URB-E؛ با کاترپیلار دنیای اسکوترهای برقی آشنا شوید

با گسترش شهرنشینی و افزایش جمعیت شهرها، استفاده از خودروهای شخصی روز به روز سخت‌تر می‌شود. برای مقابله با این مشکل بسیاری از مردم به اسکوترها و دوچرخه‌های برقی رو آورده‌اند و از این وسایل نقلیه پاک برای تردد در مسیرهای کوتاه شهری استفاده می‌کنند.افزایش استقبال از اسکوترها و دوچرخه‌های برقی، تعداد زیادی از استارتاپ‌ها... ادامه مطلب

برندگان مسابقه عکاسی Audubon 2020 اعلام شدند؛ زندگی پرندگان در قاب تصویر

هرساله در فصل بهار داوران مسابقه عکاسی «Audubon» دور هم جمع می‌شوند و برندگان را اعلام می‌کنند و حالا عکس‌های برگزیده امسال معرفی شده‌اند.امسال شیوع ویروس کرونا و محدودیت‌های سفر به همراه فاصله‌گذاری اجتماعی در روند مسابقه تاثیر داشته البته به گزارش Audubon، برای یازدهمین دوره این مسابقات بیش از ۶۰۰۰ عکس ارسال شده بود.... ادامه مطلب

بیانیه رسمی سازمان فاوای شهرداری تهران درباره قطعی مرکز داده آسیاتک

سازمان فاوای شهرداری تهران نسبت به قطع شدن قسمتی از فیبر نوری شهرداری که باعث قطع ارتباط مرکز داده آسیاتک شده بود واکنش رسمی نشان داده و با انتشار یک بیانیه رسمی به جزییات آن پرداخته است. بر این اساس به نظر می‌رسد که مقصر اصلی شهرداری تهران بوده و البته هنوز مشخص نیست تکلیف... ادامه مطلب

ایلان ماسک از درمان افسردگی و اعتیاد با چیپ مغزی نورالینک خبر می‌دهد

ایلان ماسک جزئیات بیشتری درباره امکان درمان اعتیاد و افسردگی به وسیله تکنولوژی‌های استارتاپ نورالینک که چیپ‌هایی کامپیوتری را درون مغز انسان جای‌گذاری می‌‌کند، منتشر کرده است.مالک تسلا و اسپیس ایکس، در سال ۲۰۱۶ استارتاپ نورالینک را تاسیس کرد اما اطلاعات کمی از زمینه‌کاری و هدف نهایی‌اش در دست بود. مدتی پیش او عنوان کرد... ادامه مطلب

ایلان ماسک و تیم کوک در صدر لیست پردرآمدترین مدیرعامل‌های دنیا

مدیران شرکت‌های فناوری سالانه درآمد بالایی دارند که البته بیشتر آن مربوط به افزایش ارزش سهام می‌شود. اخیرا لیست پردرآمدترین مدیرعامل‌های ۲۰۱۹ منتشر شده که ایلان ماسک در صدر آن خودنمایی می‌کند.در حالی که در لیست بلومبرگ مدیران شرکت‌های وال استریت به سختی در جمع ۱۰ مدیر پردرآمد سال گذشته میلادی قرار گرفته‌اند، چندین مدیر شرکت‌های... ادامه مطلب

قابلیت تماس اینترنتی دیوار به زودی راه‌اندازی می‌شود

قابلیت تماس صوتی درون برنامه‌ای در اپلیکیشن دیوار به زودی فعال خواهد شد و کاربران می‌توانند از طریق این تماس اینترنتی با خریداران یا فروشندگان تعامل داشته باشند. مزیت این روش، افشا نشدن شماره تماس آگهی‌دهنده است.بر اساس تصویری که از سوی یکی از اعضای تیم دیوار در شبکه‌های اجتماعی منتشر شده، به نظر می‌رسد... ادامه مطلب

ویجیاتو

نظرات ۱

وارد شوید

برای گفتگو با کاربران، وارد حساب کاربری خود شوید.

ورود

رمزتان را گم کرده‌اید؟