MAPPING A CONTINUOUS VOWEL SPACE TO HAND GESTURES
Notice bibliographique
Résumé
Converting hand gestures to speech sounds has been proved to be successful in Glove Talk II [Fels and Hinton, IEEE Transactions on Neural Networks, 8(5), (1997), 977]. This work mapped hand gestures to English speech sounds through an adaptive interface including gloves, space trackers and a foot-pedal. A set of hand gestures were designed and each gesture corresponded to one English segment, and apparently, users had difficulties in producing diphthongs with a natural transition. The present study aims to develop a more intuitive and compact, single-handed user interface which converts hand movements directly to a continuous formant space to generate English vowels through a formant based speech synthesizer. We have collected kinematic glove data of two participants using Cyberglove corresponding to wrist movements (up-down) and finger abduction (sideways) for 8 different English vowels as well as diphthongs. We employed a variety of deep neural networks, with varying hyperparameters, mapping the finger and wrist movements to the continuous vowel quadrilateral formant space (F1 and F2) and analysed the performance of these networks. Results demonstrated that our system achieved successful continuous mapping of one hand movements to the formant space, thereby generating English vowels accurately from a variety of hand gestures, and also showed the prospect of producing vowels of other languages.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,004 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».