情報処理学会 インタラクション2019

近年，VRで利用する高品質な三次元CGキャラクタに対する需要が高まっている．その中で，表情を提示する顔のアニメーションは，コンテンツのリアリティを高めるうえで重要である．現在，表情アニメーションの生成手法は，カメラを用いた手法が一般的であるが，カメラのキャプチャ範囲に制限があることや，顔の向きによっては人間の表情を取得できないなど，カメラの設置環境に依存する問題がある．そこで，音声情報のみによる表情アニメーションを生成するシステムが有用であると考えた．本研究は，LSTM-RNNを用いた先行研究を参考に，音声から顔表情を生成し，それをコミュニケーションに利用可能なシステムにすることを目標とする．音声の解析に人間の聴覚感度を考慮したA特性手法を用いることで，先行研究よりも表情の精度が向上することを定量的に確認した．