使用时间卷积网络进行唇读 s ， ， ，。 内容 深层唇读 介绍 这是的和。 在此存储库中，我们提供了预训练的模型以及用于端到端可视语音识别（口头阅读）的网络设置。 我们在上训练了我们的模型。 网络体系结构基于3D卷积，ResNet-18和MS-TCN。 通过使用此存储库，您可以在LRW数据集上实现87.9％的性能。 该报告还提供了用于特征提取的脚本。 预处理 如，来自LRW数据集的每个视频序列都经过以下处理：1）进行面部检测和面部对齐，2）将每帧对齐到参考平均面部形状3）从对齐后的裁剪出固