Public benchmark database 发布 LRW 数据集, 应用在 唇语识别、音视频处理 领域

Public benchmark database 本次发布的数据集 LRW, 该数据集名为LRW，是一个大规模的英文音视频词级别数据集，包含500个单词，每个单词最多有1000个训练视频。数据集经过预处理，视频围绕嘴唇区域裁剪，调整为灰度图像，音频则转换成梅尔频谱图。该数据集的规模属于大型，其任务是对唇语进行识别。

查看LRW

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。