Adaptation of a Gaussian Mixture Regressor to a New Input Distribution: Extending the C-GMR Framework

Laurent Girin 1, 2, * Thomas Hueber 1 Xavier Alameda-Pineda 3, 2
* Auteur correspondant
1 GIPSA-CRISSP - CRISSP
GIPSA-DPC - Département Parole et Cognition
2 PERCEPTION - Interpretation and Modelling of Images and Videos
Inria Grenoble - Rhône-Alpes, LJK - Laboratoire Jean Kuntzmann, INPG - Institut National Polytechnique de Grenoble
Abstract : This paper addresses the problem of the adaptation of a Gaussian Mixture Regression (GMR) to a new input distribution, using a limited amount of input-only examples. We propose a new model for GMR adaptation, called Joint GMR (J-GMR), that extends the previously published framework of Cascaded GMR (C-GMR). We provide an exact EM training algorithm for the J-GMR. We discuss the merits of the J-GMR with respect to the C-GMR and illustrate its performance with experiments on speech acoustic-to-articulatory inversion.
Type de document :
Communication dans un congrès
LVA ICA 2017- International Conference on Latent Variable Analysis and Signal Separation, Feb 2017, Grenoble, France
Liste complète des métadonnées

Littérature citée [17 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/hal-01646098
Contributeur : Xavier Alameda-Pineda <>
Soumis le : jeudi 23 novembre 2017 - 11:33:34
Dernière modification le : vendredi 1 décembre 2017 - 15:21:58

Fichier

Girin-LVA-2017.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01646098, version 1

Citation

Laurent Girin, Thomas Hueber, Xavier Alameda-Pineda. Adaptation of a Gaussian Mixture Regressor to a New Input Distribution: Extending the C-GMR Framework. LVA ICA 2017- International Conference on Latent Variable Analysis and Signal Separation, Feb 2017, Grenoble, France. 〈hal-01646098〉

Partager

Métriques

Consultations de la notice

74

Téléchargements de fichiers

8