Oct, 2023

GestSync:确定非言语角色的发言人

TL;DR本文介绍了一项新的同步任务 Gesture-Sync:确定人的手势与他们的语言之间是否存在相关性。我们引入了一种双编码器模型进行这项任务,并比较了包括RGB帧、关键点图像和关键点向量在内的多种输入表示形式,评估了它们的性能和优势。我们展示了模型可以仅通过自监督学习进行训练,并在LRS3数据集上评估其性能。最后,我们展示了使用 Gesture-Sync 在音频-视觉同步和在人群中确定发言者的应用。代码、数据集和预训练模型可在以下网址找到:https://www.robots.ox.ac.uk/~vgg/research/gestsync。