논문, 특허, 협력 연구

머신 러닝에서 불확실성을 추정하기 위해 사용되는 부트스트랩은 일반적으로 딥러닝에서 직접 활용되기에는 학습 시간 등의 문제로 비용이 상당히 큼. 이 논문은, 패러미터 개수의 증가 혹은 반복적인 학습 없이도 딥러닝에서 부트스트랩을 하는 효과를 근사(approximation)할 수 있도록 하는 기술이며, 이를 통해 효율/효과적인 불확실성 추정이 가능

음성을 입력하였을 때 말하는 얼굴을 생성하는 모델. Audio-Lip Memory 모듈을 통해 음성 정보와 입술 모양 정보 사이의 공통된 정보를 추출 및 저장하여 활용하는 기법 적용

일반적으로 음성 인식을 할 때 음성에 다양한 노이즈가 섞여드는 경우가 일반적이며, 이는 실제 현실에 음성 인식 모델을 적용하는 데에 있어 하나의 큰 장애물이 됨. 이 논문은 이러한 상황에서 음성과 함께 말하는 얼굴 입력하여, 이미지에 있는 입술 정보를 바탕으로 노이즈가 상당히 심한 상황에서도 안정적으로 음성 인식이 되도록 하는 기술

머신 러닝에서 불확실성을 추정하기 위해 사용되는 부트스트랩은 일반적으로 딥러닝에서 직접 활용되기에는 학습 시간 등의 문제로 비용이 상당히 큼. 이 논문은, 패러미터 개수의 증가 혹은 반복적인 학습 없이도 딥러닝에서 부트스트랩을 하는 효과를 근사(approximation)할 수 있도록 하는 기술이며, 이를 통해 효율/효과적인 불확실성 추정이 가능