@inproceedings{oai:repository.ninjal.ac.jp:00003504,
 author = {丹治, 涼 and 大村, 英史 and OHMURA, Hidefumi and 澤田, 隼 and 桂田, 浩一 and KATSURADA, Kouichi and TANJI, Ryo and SAWADA, Shun},
 book = {言語資源活用ワークショップ発表論文集, Proceedings of Language Resources Workshop},
 month = {},
 note = {会議名: 言語資源活用ワークショップ2021, 開催地: オンライン, 会期: 2021年9月13日-14日, 主催: 国立国語研究所 コーパス開発センター, 本稿では，rtMRIデータから音響特徴量を生成するための深層学習モデルを提案する。調音器官全体を高解像度で記録できるrtMRIは，調音データから音響特徴量を生成するための元データとして有用であると考えられるが，フレームレートが比較的低いという問題がある。そこで我々は，転置畳み込みネットワークを用いて時間軸方向に超解像処理を行う方法を提案する。標準的な畳み込みニューラルネットワークが畳み込みによって主に画像の近隣情報を圧縮するのに対して，転置畳み込みネットワークではこの逆の操作を行うことにより，画像の解像度を向上させる。本手法ではこの超解像処理をrtMRIデータの時間方向に適用することによって，rtMRIデータの時間解像度を向上させる。メルケプストラム歪みとPESQを評価尺度として用いた実験の結果，転置畳み込みネットワークは正確な音響特徴量の生成に有効であることがわかった。また，超解像処理の倍率を上げることで，PESQのスコアが向上することも確認した。, application/pdf, 東京理科大学, 東京理科大学, 東京理科大学, 東京理科大学, Tokyo University of Science, Tokyo University of Science, Tokyo University of Science, Tokyo University of Science},
 pages = {138--146},
 publisher = {国立国語研究所},
 title = {転置畳み込みニューラルネットワークを用いたrtMRIデータからの調音-音響変換},
 volume = {6},
 year = {2021},
 yomi = {タンジ, リョウ and オオムラ, ヒデフミ and サワダ, シュン and カツラダ, コウイチ}
}