2022-05-28

手話CG

その他雑記

今週はNHK放送技術研究所の技研公開2022(5/26-29)が開催されている。

今年はオンライン上（以下リンク）と事前登録制での来場という形になっている。

www.nhk.or.jp

事前に登録していたので、デモ体験や講演（ラボトーク）に参加することができた。

www.nhk.or.jp

印象に残った点として手話の翻訳のところで手話CGのサイトが紹介されていた。

手話通訳者の手話をモーションキャプチャでデータを集めて、CGで単語ごと（単語数が大量にある）に再現している。

50音順で探す｜NHK手話CG

手話の翻訳に関する講演では、手の動き以外に口の動きや表情の部分の改善を挙げていて、講演中のデモ動画のCGは口の動きがはっきりしていたり、表情が変化しているように見えていたが、上記の手話CGは手の動きが中心で、表情や口の動きまでは対応できていないようだ。

ただ、かなり大量の単語に対する手話の動きが収録されているという点が魅力的だと思う。

2022-05-22

Pythonによるデータ処理15 ～カルマンフィルタ2

その他ツール python

前回に引き続いてカルマンフィルタを用いたデータ処理について紹介する。

atatat.hatenablog.com

1. カルマンフィルタモデルのノイズ
2. カルマンフィルタのノイズ値の変更
3. ノイズの影響

1. カルマンフィルタモデルのノイズ

　カルマンフィルタのモデルとして以下の状態方程式と観測方程式のパラメータについて考える。

$\begin{eqnarray*} 状態方程式: x_t &=& G_t x_{t-1} + w_t \\ 観測方程式: y_t &=& F_t x_t +v_t \end{eqnarray*}$

$\begin{eqnarray*} w_t &\sim& N(0,W_t) \\ v_t &\sim& N(0,V_t) \end{eqnarray*}$

Nは正規分布で、G_t, F_t, W_t, V_tは既知(仮定)とした。

今回は状態方程式で仮定しているノイズW, 観測方程式で仮定しているノイズVのカルマンフィルタに対する影響を調べてみる。

2. カルマンフィルタのノイズ値の変更

コード全体は前回記事を参照。

前回はW=1, V=10として観測系のノイズが多いという前提で固定していた。今回はカルマンフィルタ処理の初期値を与えるところの数値を変える。

G = np.array([[1]])
F = np.array([[1]])
W = np.array([[1000]]) # 状態のノイズWを設定
V = np.array([[10000]]) # 観測のノイズVを設定

前回のコード中カルマンフィルタを定義した関数kalman_filterおよびkalman_smoothingの引数を明示的に割り当て、上記の設定した数値が反映されるようにする。引数を省略していると初回の初期値のみが有効で、初期値の変更が反映されない。

# カルマンフィルター
for t in range(T):
    if t == 0:
        m[t], C[t] = kalman_filter(m0, C0, data[t:t+1],G,F,W,V)
    else:
        m[t], C[t] = kalman_filter(m[t-1:t], C[t-1:t], data[t:t+1],G,F,W,V)

# カルマン平滑化
for t in range(T):
    t = T - t - 1
    if t == T - 1:
        s[t] = m[t]
        S[t] = C[t]
    else:
        s[t], S[t] = kalman_smoothing(s[t+1], S[t+1], m[t], C[t],G,W)