11月23日(水)

朝6時半に起床。少し支度をして、7時頃食事。1階の食堂で食べるが、それほど種類は多くない(大学の施設だからね)。

サラダ、あんまん(ごまあん)など食べる。食べているうちに、ワークショップに参加する他の先生方が来たので、あいさつして今日の流れについて少し確認。

部屋に戻って支度をして、8時50分頃出発。

案内の学生がホテルまで来ていて、数分歩いて電気・情報系の建物。

9時からワークショップ。最初に精華大学電気通信学部の鄭院長があいさつ。その後亀山先生の挨拶の後、参加者全員が自己紹介。5分で終わるはずだったのだが、ここで10分程度遅れる。


9時15分ぐらいから最初のセッション。

☆Investigation of human multimodal perception for future high-definition communications (Yoiti Suzuki)
鈴木先生。最初に東日本大震災の仙台への影響について説明。本題は人間のマルチモーダル知覚。特に自己運動による知覚への影響(active listening)について。腹話術効果(視覚が聴覚に影響する)と、聴覚が視覚に影響する現象の例。Sound Induced Visual Motion(SIVM)。「臨場感」の定義と、普通の人が「臨場感」として理解する感覚の違い。3次元の音環境知覚と頭部運動の関係。3次元聴覚ディス プレイと頭部運動追従。テレヘッドの紹介。

☆Person Authentication Using Visual Speech with Random Passwords(Chia-Wen Lin)
読唇とランダムパスワードを組み合わせた個人認証。抽出精度を上げるため、ROIに対してヒストグラム等化の後でDCTを行い、低次元要素だけから画像を 再構成する。特徴量は唇の幅と高さなど(4次元)。識別はHMM。特徴量をそのままHMMで学習するのではなく、VQしているらしい。パスワードは数字 列。唇の動きだけで話者認証が結構高精度に(90%ぐらい)できるのはちょっと驚き。

☆Toward editable 3D sound field based on the decomposition of sound field and sound source attributes (Takuma Okamoto)
岡本さん。空間内に複数音源があり、それを複数点で観測したときの音源信号推定。残響の影響があるので難しい問題。発表のほとんどは問題提起で、やったこ との紹介は簡単にすませていた。Lukacさんから「なぜ機械学習を使わないのか」という質問がでて困っていたようだ。音響系の研究と機械学習を使う信号 処理とは見えない溝があるからね。

☆Nonlinear signal processing in the mammalian cochliae (Yi-Wen Liu)
音の大きさに対して、蝸牛内ですでに非線形な圧縮が行われているという話(チュートリアル)。蝸牛の仕組み。内有毛細胞と外有毛細胞の違い。外有毛細胞の運動のデモ。有毛細胞の等価回路モデル。

後半は応用について。乳児の難聴検査への応用。脳活動計測を使う方法と、oto-acoustic emissionを計測する方法。オーディオ圧縮への応用(マスキング)。最後に、GoogleがYouTubeのオーディオ検索に蝸牛モデルを使っているという話。

ここで休憩。発表の確認をしていたら、プレゼンから音が出なくて焦る。いろいろやったが、Windows Media Playerが落ちたり、音は出たり出なかったりで、対処不能。

☆Speech and Music Processing for Edutainment (J. S. Roger Jang)
先月のISMIRでもご一緒したJang先生。

音声認識は、簡単なタスクなら精度が高いが、責任重大なタスクだと困るのでエデュテインメント分野への応用を考える。ここから後はデモ中心の発表。

音楽分野への応用ではQuery by singing。クラウドコンピューティングを使ったハミング検索(Miracle)のデモ。リアルタイムのピッチ変換。ビートトラッキング。音楽ジャン ル分類。MFCCとスペクトログラムの画像的な特徴(主要なスペクトルが縦か横か)を組み合わせてSVMで識別。

音声分野の応用では、CALL応用(ASRAシステム)。日本人のための中国語学習での発音誤り検出。手法はスタンダードなもの。中国人のための日本語学習システム。単語学習だけでなく、ロールプレイもできる。詩の暗唱補助マシン。暗唱した詩が正しいかどうか自動判定。

デモが豊富で、非常におもしろかった。スライドの調整とかPCの再起動とかをしていて、集中して聞けなかったのが残念だった。

☆Robust transmission of audio signals over the Internet: an advanced packet loss concealment for MP3-based audio signals (Akinori Ito)
私の発表。結局プレゼンから音が出なくて難儀する。MP3のパケットロス隠蔽の話のまとめ。最終的にデモ音声をAudacityで開いて流した。そこそこの反応。

☆System-level and hardware platforms of many-core processors for multimedia applications (Jyu-Yuan Lai)
Many coreアーキテクチャの画像処理への応用。128個のPE(それぞれはOpenRISC 1200プロセッサ)を利用。PE間通信のアーキテクチャとプロトコルの説明。JPEG圧縮などをタスクにして、作成したシステムの性能解析。

☆Universal Platform of Real-World Intelligent Systems Based on Adaptive Selection of Algorithms (Martin Lukac)
亀山研。ロボットによる画像などの実環境認識で、複数のアルゴリズムのうち、どれを使って認識を行うのがいいか。入力画像を複数の領域にあらかじめ分け、各領域に対して最善のアルゴリズムを選ぶ。

予定より30分ぐらい遅くなったが、最後に亀山先生が挨拶してワークショップは終了。昼食をどうするのかと思ったら、弁当が配られた。

中身は中華風のようなそうでないような。最後にお汁粉が出る。


食べた後一旦ホテルに戻り、全員バスで午後の予定に出発。午後からは三義というところにある木彫博物館を見学に行くのだ。2時過ぎに出発。


バスの中では、ビデオ符号化などを研究しておられる張隆紋先生とご一緒する。日本語を勉強しておられるということで、しばらく日本語・英語・中国語の混在 した会話。台湾の建物では水圧を上げるために屋根の上に必ず水タンクがあるが日本にはないのかとか、そういう話をしばらくしていく。

40分ほどで博物館に到着。博物館の近くは木彫を売るおみやげ屋が並んでいる。
 
前には木でできた像がある。


中に入り、音声ガイドをもらって装着する。

中は撮影禁止だが、最初に台湾での伝統的な木工品(船とか)、三義の木彫の始まりなどの展示がある。木彫工芸は日本統治時代に始まったのだそうで、それほど古いものではないようだ。

伝統工芸品(といっても数十年前のもの)から、最近のアート的作品までたくさん展示されている。細工は大変細かく、一本の木から鎖を掘り出すなんてのはそ れほど難しくないようだ。木でできた靴や服、かばんなどの彫刻もある。木彫のコンクールをやっているらしく、その入賞作品が多数展示されている。日本人の 作品も数点あった。

16時過ぎに木彫博物館を出発して、このまま帰るのかと思ったら、なんか狭い道を通って少しにぎやかなところで止まった。ここは勝興という駅で、台湾で一番高いところにある駅なのだそうだ。
 
 
結構観光客が来ていて、周りには食べ物屋やおみやげ屋が並んでいる。


駅の中におみやげ屋があり、線路の向こうにもレストランなどがある。一応「線路に入るな」と書いてあるのだが、線路に入らないと線路の向こうの店には行けない仕組み。みんな気にしていない。線路向こうの店では石鹸とか売っていた。
 

近くの食べ物屋やおみやげ屋も少しぶらぶらと見て歩いたが、特に何も買わず、17時にバスで出発。


40分ほどでホテルに戻り、一旦荷物をおいて再び出発。こんどは新竹駅近くのアンバサダーホテルでバンケット。会場は9階の中華レストラン。

巨大な丸テーブルに全員が座る。亀山先生ご挨拶の後、乾杯。ビールの後紹興酒などを飲む。


    
コースの最後に、果物の後でお汁粉(蓮の実入り)が来て終了。昼ご飯にもお汁粉が出たなあ。


終了後、台湾の先生方にカラオケに誘われる。せっかくなのでついていくことに。アンバサダーホテルの隣のカラオケボックスに入る。
 

飲み放題食べ放題なのだが、さんざん飲み食いしているのでお茶程度。

台湾の先生方(張隆紋先生とか陳朝欽先生とか)、ちょうど京大から出張してきている馬見塚先生などとご一緒したが、ほとんど日本の演歌。台湾の先生方はみ んな日本の演歌が歌える(私よりレパートリーが広い)。北国の春とか昴などの定番だけでなく、わりとマイナーな演歌もよくご存じだった。私も一緒に数曲歌 う。

22時半頃終了して、ホテルまで送っていただく。明日の支度を少しして、シャワーを浴び、23時半頃寝る。

前の日へ 目次へ 次の日へ