9月7日（月）
朝5時頃起床。まだ体が慣れきっていない。
日記を書いたり論文を直したりしながら過ごす。7時頃シャワーを浴びて、8時半に朝食のためロビーへ。
ロビーには食べ物が並んでいるので、これを自分でとって食べるのかと思いきや、そうではなくて席についてウェイトレス（といっても昨日フロントにいたお姉
ちゃん）が注文を取ってくれる。
White breadのトーストと、Full English Breakfast
（ベーコン、ソーセージ、マッシュルームのソテー、卵）を頼む。ベーコンとソーセージはうまい。
今日の学会は10時からなので、9時半頃宿を出る。
歩いて15分で会場へ。会場ではインターネットが使えるので、結局キーノートはさぼってメールの返事を
書いたりする。
12時ちょっと前に昼食へ。途中にタイ料理の店があったので、そこを目指していってみるが、残念ながら閉まっている。（ちなみに、この店の看板には
KING ANDIと書いてあったので、「タイにアンディ王なんていたか？」と思ったが、良く考えたらKING AND I（王様と私）だった。）
仕方ないので、途中の店のテラスで食
べる。フィッシュ＆チップスは昨日食べたので、イカリングにしてみる。結局イカリング＆チップスなのだが。全部食べると胸焼けがする。
午後最初のセッションでは仁先生のポスター発表がある。私は前半オーラルセッションを聞いて、後半はポスターの対話関係のセッションを回る。
O4:Speech Analysis and Processing I
Mon-Ses2-O4-1 Nearly perfect detectionof continuous F0 contour and
frame classification for TTS system (ETH)
F0包絡の検出。F0包絡の曲率とケプストラムのピークの2次元パラメータの分布をGMMで近似し、その連鎖確率最大の軌跡を動的計画法で探す。また、そ
の結果を使って音声フレームをvoiced,unvoiced,silence,irregular等に分類。正解率90％ぐらい。
Mon-Ses2-04-2 AM-FM Estimation for Speech Based on a Time-Varying
Sinusoidal Model (U of Crete, Greece)
AM-FM表現は通常の正弦波モデルのこと。従来法のQHM(Laroche,
1989)は振幅が時間の１次で変化する。提案法：aQHM(Adaptive
QHM)は瞬時周波数がフレーム内で関数に従って変化する（一次？）人工的な音源に対する実験の結果、振幅、位相とも従来法よりもうまく近似できる。再構
成音声信号のSNは5dB程度改善。ピークピッキングによる正弦波モデルよりも改善。
ここで抜けて、ポスターセッションのSpoken Dialog Systemsを聞く。
Mon-Ses2-P4-1 Enabling A User To Specify An Item At Any Time During
System Enumeration (Kyoto University)
対話での発話意図推定にバージインのタイミングを使う。タイミングで指示表現と内容語の区別ができる。言語依存ではないのだろうか。
Mon-Ses2-P4-3 Using Graphical Models for
Mixed-Initiative Dialog Management Systems with Realtime Policies
(Technische Universitat Munchen, Germany)
対話の遷移をHMMで表現する。
Mon-Ses2-P4-4 Conversation Robot Participating in and
Activating a Group Communication (Waseda University)
Robisukeの発表。多人数会話に入るだけでなく、会話の中で場を盛り上げるような発話をロボットにさせる。
Mon-Ses2-P4-5 Recent Advances in WFST-based Dialog
System (NICT)
堀さんの発表。WFSTベースの対話システム。対話では途中にシステムからの発話があるので、その時点で状態を絞り込む。同じ発話を共有できる状態の可能
性だけを残す。
Mon-Ses2-P4-6 A Statistical Dialog Manager for the
LUNA Project (Universidad Carlos III de Madrid)
対話システムで次発話を選ぶ確率モデルを作る。
Mon-Ses2-P4-7 A Policy-Switching Learning Approach
for Adaptive Spoken Dialogue Agents (Autonomous University of Tlaxcala)
エージェントベースの対話システム。強化学習によって対話エージェントを鍛える。
Mon-Ses2-P4-8 Strategies for Accelerating the Design
of Dialogue Applications using Heuristic Information from the Backend
Database (Universidad Politecnica de Madrid)
対話システム開発にバックエンドＤＢの情報を使う。桁の多い数字を2つ連続で聞かないようにするとか。開発工数の削減が目標。ヒューリスティックが多いよ
うだ。
Mon-Ses2-P4-10 Language Modeling and Dialog
Management for Address Recognition (IBM - T J Watson Research Center)
住所入力に特化した対話システムとその言語モデル。
Mon-Ses2-P4-11 A framework for rapid development of
conversational natural language call routing systems for call centers
(IBM)
コールセンターの対話システム。発話例から、それを選ぶための対話モデルを自動生成する。複数の対象の発話例にまたがる最長の単語列をvague
classと呼んでいて、それを明らかにするような対話を設計するようだ。
Mon-Ses2-P4-15 Speech Generation from Hand Gestures
Based on Space Mapping (The University of Tokyo)
データグローブの動きから直接音声を生成する。どういうジェスチャにどういう音声の変化を対応づけたら思い通りの声を出しやすいか、等。
午後前半が終わってコーヒーブレーク。すごい人で、なかなかコーヒーもとれない。私は次のポスターセッションで発表なのでポスターを貼らないといけないの
だが、前の人がなかなかポスターをはがさないので、直接催促してはがしてもらう。
16時から午後後半のポスター開始。おおよそ2時間フルに説明をした気がする。わりと好評。2005年のInterspeechで発表した発音誤り検出の
話（今回と同じく決定木を使う）を覚えている人が複数いたのにはちょっと驚いた。
ポスター終了は18時で、19時半からWelcome
Receptionがある。1時間半ほど時間があるので、いったん宿に戻って荷物をおくことに。仁先生、もと先生と一緒にふらふらと歩く。宿に荷物をおい
て、レセプション会場近くのOld Laneを見物。
日本料理屋のMOSHI MOSHI。混雑している。中ではすしが回っている。
レセプション開始15分ほど前に、会場のBrighton Museum and Art Gallery へ。ここはRoyal
Pavillionの隣にあり、古い建物。正面には立派な門がある。
人が集まっているが、建物内には入れない。しばらくして、別な入り口にぞろぞろと移動。
中のホールにはいると、すごい人。身動きできない。ワインを配っているのだが、それ以外の食べ物はほとんどない。
何しろすごい人なので、厨房からつまみを
持ってボーイが会場に数m入ると、その時点でつまみがなくなってしまうのだ。結局ほとんど何も食べられず、酒だけ飲んで20時頃退散。
今から改めて夕食を食べる感じでもなく、スーパーに入ってワインとつまみを買い、仁先生と二人で酒盛り。
夜22時半頃終了。直ちに寝る。
前の日へ
目次へ 次の日へ