Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Empowering the Deaf and Hard of Hearing Community: Enhancing Video Captions Using Large Language Models

Created by
  • Haebom

저자

Nadeen Fathallah, Monika Bhole, Steffen Staab

개요

본 논문은 청각 장애인 및 난청인(DHH) 커뮤니티의 비디오 접근성 향상을 위해 대규모 언어 모델(LLM)을 활용한 자동 음성 인식(ASR) 시스템 개선 연구를 제시합니다. ASR 시스템이 생성한 자막의 정확성과 문맥 인식 능력을 향상시키기 위해 GPT-3.5 및 Llama2-13B와 같은 LLM을 통합하는 새로운 파이프라인을 제안하고, 실제 DHH 커뮤니티가 직면하는 과제를 반영하는 데이터셋을 사용하여 평가합니다. 실험 결과, LLM을 활용한 자막이 ASR 자막보다 상당히 높은 정확도(낮은 WER)를 보임을 확인하였습니다. 특히, ChatGPT-3.5를 사용했을 때 WER이 23.07%에서 9.75%로 약 57.72% 감소하는 결과를 얻었습니다.

시사점, 한계점

•
시사점:
◦
LLM을 활용하여 ASR 시스템의 자막 정확도를 크게 향상시킬 수 있음을 보여줌.
◦
DHH 커뮤니티의 비디오 접근성을 개선하는 데 기여할 수 있는 실용적인 방법 제시.
◦
GPT-3.5 및 Llama2-13B와 같은 LLM의 우수한 언어 이해 및 생성 능력을 활용한 효과적인 파이프라인 구축.
◦
실제 DHH 커뮤니티의 어려움을 반영한 데이터셋을 사용하여 실질적인 성능 평가 수행.
•
한계점:
◦
사용된 데이터셋의 규모 및 다양성에 대한 구체적인 설명 부족.
◦
다른 LLM 또는 ASR 시스템과의 비교 분석 부족.
◦
LLM 사용에 따른 비용 및 계산 자원 소모에 대한 고려 부족.
◦
장기간 사용 시 LLM 성능 저하 또는 편향 문제에 대한 고려 부족.
◦
다양한 언어 및 방언에 대한 일반화 가능성에 대한 추가 연구 필요.
👍
Made with Slashpage