画像に基づく言語翻訳

抄録

一般的に文字画像を翻訳するためには，文字領域の抽出，文字の認識，文字の翻訳，翻訳された文字画像の出力といった複数のサブタスクを組み合わせることで行われる．この場合，学習はそれぞれのサブタスクに対して行われる．しかし，それぞれのサブタスクを独立に処理するよりもend-to-endで処理を行うほうが効率的な場合がある．このことから本研究では画像を入出力とするネットワークを構築し文字画像を翻訳する実験を行った．また本研究ではその第一歩としてハングル文字画像を入力として，その構成要素を発音記号の画像として出力することを試みた．