Fusion of Speech, Faces and Text for Person Identification in TV Broadcast

Hervé Bredin 1 Johann Poignant 2 Makarand Tapaswi 3 Guillaume Fortier 4 Viet Bac Le 5 Thibault Napoléon 6 Gao Hua 3 Claude Barras 1 Sophie Rosset 1 Laurent Besacier 7 Jakob Verbeek 4 Georges Quenot 8, * Frédéric Jurie 4, 9 Ekenel Hazim Kemal 3
* Auteur correspondant
1 LIMSI - Laboratoire d'Informatique pour la Mécanique et les Sciences de l'Ingénieur
2 LIG - Laboratoire d'Informatique de Grenoble
3 KIT - Karlsruhe Institute of Technology
4 LEAR - Learning and recognition in vision
Inria Grenoble - Rhône-Alpes, LJK - Laboratoire Jean Kuntzmann, INPG - Institut National Polytechnique de Grenoble
5 Vocapia Research [Orsay]
6 GREYC - Groupe de Recherche en Informatique, Image, Automatique et Instrumentation de Caen
7 GETALP - Groupe d’Étude en Traduction Automatique/Traitement Automatisé des Langues et de la Parole
LIG - Laboratoire d'Informatique de Grenoble
8 MRIM - Modélisation et Recherche d’Information Multimédia [Grenoble]
LIG - Laboratoire d'Informatique de Grenoble, Inria - Institut National de Recherche en Informatique et en Automatique
9 Equipe Image - Laboratoire GREYC - UMR6072
GREYC - Groupe de Recherche en Informatique, Image, Automatique et Instrumentation de Caen
Abstract : The REPERE challenge is a project aiming at the evaluation of systems for supervised and unsupervised multimodal recognition of people in TV broadcast. In this paper, we describe, evaluate and discuss QCompere consortium submissions to the 2012 REPERE evaluation campaign dry-run. Speaker identification (and face recognition) can be greatly improved when combined with name detection through video optical character recognition. Moreover, we show that unsupervised multimodal person recognition systems can achieve performance nearly as good as supervised monomodal ones (with several hundreds of identity models).
Type de document :
Communication dans un congrès
Andrea Fusiello, Vittorio Murino, Rita Cucchiara. ECCV 2012 - 12th European Conference on Computer Vision, Oct 2012, Firenze, Italy. Springer Berlin, 7585, pp.385-394, 2012, Proceedings of Computer Vision - ECCV 2012. Workshops and Demonstrations, Part III. 〈10.1007/978-3-642-33885-4_39〉
Liste complète des métadonnées

Littérature citée [12 références]  Voir  Masquer  Télécharger

Screenshot.png
Screenshot.png
https://hal.inria.fr/hal-00722884
Contributeur : Thoth Team <>
Soumis le : lundi 6 août 2012 - 10:34:55
Dernière modification le : jeudi 12 juillet 2018 - 13:58:03
Document(s) archivé(s) le : vendredi 16 décembre 2016 - 04:23:54

Fichiers

bredin12eccvws.pdf
Fichiers éditeurs autorisés sur une archive ouverte

Identifiants

Collections

INRIA | LIG_TDCGE_MRIM | LIG_TDCGE | LIG_TDCGE_GETALP | LIG | LJK_GI_LEAR | LJK_GI | LJK | GREYC-IMAGE | GREYC | UGA | COMUE-NORMANDIE | LIG_SRCPR | LIMSI | ENSICAEN

Citation

Hervé Bredin, Johann Poignant, Makarand Tapaswi, Guillaume Fortier, Viet Bac Le, et al.. Fusion of Speech, Faces and Text for Person Identification in TV Broadcast. Andrea Fusiello, Vittorio Murino, Rita Cucchiara. ECCV 2012 - 12th European Conference on Computer Vision, Oct 2012, Firenze, Italy. Springer Berlin, 7585, pp.385-394, 2012, Proceedings of Computer Vision - ECCV 2012. Workshops and Demonstrations, Part III. 〈10.1007/978-3-642-33885-4_39〉. 〈hal-00722884〉

Exporter

BibTeX TEI DC DCterms EndNote

Partager

Métriques

Consultations de la notice

1034

Téléchargements de fichiers

933

Contact


archive-ouverte@inria.fr