C-RECS （Creative Repository of Electro-Communications)
Not a member yet
9371 research outputs found
Sort by
話者因子係数の量子化に基づく声色制御可能な話者変換
Get PDF電気通信大学修士2022声質変換とは，発話内容等の言語特徴を変えることなく，声の高さや擦れ具合等人が発する音声の質を変換する技術のことであり，その中でも特に話者性の変換にフォーカスしたものを話者変換という．この技術によって，自分の声を好きな声優の声に変換することや，構音障がい者が発する音声を明瞭な音声に変換することが可能であり，この他にもさまざまな分野での活躍が期待されている．
近年，機械学習分野ではさまざまな生成モデルが提案されているが，これらのモデルの多くは，ある人物からある人物への話者変換にフォーカスしており，声の擦れ具合等の声色を制御することで任意の声質変換を行うようなモデルはあまり提案されていない．しかし，声質変換において特定の対象の音声にしか変換できない場合，自分の声の擦れ具合や太さ等を補正して，理想の声を得るといったような事ができないため，応用できる範囲が狭い．
そのため本論文では，先行研究で提案したSplitterNetVCをベースに，声の擦れ具合などの声色を決定する要素とその強弱で，声色を制御可能な話者変換モデルVFQ-SplitterNetVCを提案する．SplitterNetVCでは，Content EncoderとSpeaker Discriminatorが敵対的に学習することで，音韻特徴ベクトルを出力する．このベクトルをSpeaker Encoderから出力された話者ベクトルと共にDecoderに入力することで音声を合成する．
このモデルに，話者ベクトルから声色を決定する要素の強弱（以後、話者因子係数とする）を抽出するフィルタを追加し，抽出された話者因子係数を量子化することで，提案法となるVFQ-SplitterNetVCを実現する．
本論文では，外部識別器を用いた客観評価実験に加え，音声自然性と話者類似性の主観評価実験も行う．さらに，提案手法のフィルタが話者因子係数を抽出できているかについても評価する．thesi
内部構造の可視化に着目したパラメトリック差音による音速画像の取得
Get PDF電気通信大学修士2022痛みなどの自覚症状の少ない骨粗鬆症などの予防のための診断において主にX線が使用され，放射線被曝の影響が懸念される．
そこで放射線被曝の影響がない超音波CT(Ultrasound Computed Tomography)を用いて骨の内部の画像化を行うことで，健康面への被害なく検査を促進することが可能であると考える．低周波超音波の場合，吸収減衰が小さいため骨の内部の画像化に適するが，高画質な画像の取得が困難である．更に直進性を仮定したCTアルゴリズムにおいて，音波の広がりによる誤差は画質の劣化を引き起こす．
以上の問題に対し，低周波数超音波であるにもかかわらず直進性のあるパラメトリック差音を用いることで画質の劣化を改善し，骨の内部の画像化に適すると考えた．
そこで本研究の目的はパラメトリック差音を用いて内部構造を持つ対象物の画像化を行うことである．アルミニウム丸棒とアルミニウムパイプを対象物とし高周波超音波とパラメトリック差音を用いて音速画像の取得を行い，結果の比較を行なった．更に内部に吸収媒質を挿入することでより骨に近い環境下での実験を行い，結果の比較を行なった．
結果は内部が均一なアルミニウム丸棒において，パラメトリック差音を用いた場合でも空間分解能の高い高周波超音波と同精度で音速画像の取得と音速推定ができた．
続いて内部が空洞のアルミニウムパイプでは，パラメトリック差音を用いた場合には画像化に用いる波の伝搬時間（Time-of-flight：TOF）の結果において高周波超音波と比べてばらつきが少なく，中心付近での変化が確認されたことから内部の状態を捉えられていると考える．
更に内部に吸収媒質を挿入した場合，高周波超音波では直達波の大きな減衰により複数回の実験で再現性が取れないデータになったのに対し，差音では直達波が大きく減衰することなく吸収媒質がない場合と同様に中心付近で伝搬時間が変化する結果が取得できた．画像化についてパラメトリック差音を用いることによる有意な差は見られなかったものの，方位分解能を上げることで内部に吸収媒質を持つ対象物に対して画質の劣化を改善した画像化を行うことができると考える．
今後の課題としては，実際の骨を用いての実験により実用化に向けての評価を行うことである．thesi
複数シナリオに対応したマルチモーダル対話システムの開発と認知症診断への応用
Get PDF電気通信大学修士2022タスク指向型対話システムはあるドメインにおけるタスクを達成することを目的とした対話システムである.最近の研究では,深層学習による対話制御が主流になりつつあるが,大量にデータを必要とすること,対話の経緯の説明性がないこと,対話の制御の変更が難しい事がデメリットとして挙げられる.
また,近年,高齢化が進む中で認知症の患者数の増加が社会問題となっている.認知症は早期発見できることにより,進行の抑制が見込める.認知症の発見には専門医による診断が必要であり,高齢化社会と相まって専門医への負担が大きくなっている.長谷川式簡易知能評価スケール(HDS-R)は専門医が患者に質問することによって認知症の疑いがあるか発見できる.HDS-Rは質問応答機能が必要であることに加え,品物を見せるといったマルチモーダルな処理が必要である.
そこで,本研究では,状態マシンをベースとしたタスク指向型対話システムの提案,開発を行った.また,開発した対話システムを利用して認知症診断ができることを目的とした.状態マシンは独自のルールで定義したXMLで記述することができ,複数のシナリオに対応している.状態はスロットフィリングによって別の状態に遷移することができ,スロットフィリングはマルチモーダルに対応している.マルチモーダルは,入出力モジュールの集合であるイベントをスロットやロボットの行動に紐づけることによって対応できる.
実験は,対話システムがタスクを達成できること,対話が自然であること,認知症診断(HDS-R)で正確にスコアを測定できることを目的として行った.アンケートによる実験の結果,提案システムは高い達成度を得ることができ,複数のシナリオ,モダリティに対応できることを確認した.また,認知症診断の評価実験では,2点の誤差で診断ができることを確認した．thesi
Adversarial training for Deep-IRT with a hypernetwork to optimize the degree of past data
Get PDF電気通信大学修士2023thesi
Audible gestures: Single claps as a resource for managing interaction
Get PDFThis study focuses on one type of audible gesture, designedly single claps (DSCs), as used by different people at an educational institution. The institution is designed to provide second language English users with opportunities to use English in various situations. Through the use of Multimodal Conversation Analysis, the analysis first focuses on the shape of DSCs and what makes them visible as not projecting further claps. Next, the analysis focuses on how DSCs are used within their sequential context. DSCs can take a variety of shapes, in that there are different ways not to project further claps; they can be used to attract attention of multiple recipients, and thus as one resource to manage interaction; and they are used as such a resource by representatives of the educational institution, who take on teacher roles within the interaction, with responsibility and deontic authority to manage shifts in activity and participation framework.journal articl
Nonlinear signal conversion in gold nanoparticle random array for physical reservoir applications
Get PDFWe present nonlinear electrical characteristics of a random array of gold nanoparticles (GNPs). We fabricated a GNP random array with six electrodes by using dielectrophoresis. The Coulomb blockade appeared on current–voltage characteristics at 4.2 K. Input–output characteristics of the GNP random array were also measured for a configuration with one-input and three-output terminals. For a sinusoidal voltage input of 100 Hz, distorted output voltage waveforms were acquired at the three output terminals. Higher harmonic components were confirmed on the FFT spectra of the outputs. Wave reconstruction tasks for a triangle and a cosine waveform were performed via an echo-state-network model with ridge regression, which demonstrated that nonlinear signal conversion in a GNP random array had potential for a physical reservoir device.journal articl
