visual-speech-recognition

#visual-speech-recognition

视觉语音识别中基于课程学习的音素到文本重构噪声适应

arXiv cs.CL ↗ · 2026-09-21 缓存

本文提出渐进式错误课程训练（PECT），通过逐步适应现实中的音素预测错误，提高视觉语音识别中音素到文本重构的鲁棒性，在LRS2和LRS3基准测试上实现了词错误率的降低。

0 人收藏 0 人点赞