已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

Spatial–Temporal Enhanced Network for Continuous Sign Language Recognition

计算机科学 判别式 人工智能 特征提取 模式识别(心理学) 提取器 手语 空间分析 特征(语言学) 利用 稳健性(进化) 计算机视觉 数学 统计 工程类 哲学 基因 生物化学 语言学 计算机安全 化学 工艺工程
作者
Wenjie Yin,Yonghong Hou,Zihui Guo,Kailin Liu
出处
期刊:IEEE Transactions on Circuits and Systems for Video Technology [Institute of Electrical and Electronics Engineers]
卷期号:34 (3): 1684-1695 被引量:6
标识
DOI:10.1109/tcsvt.2023.3296668
摘要

Continuous Sign language Recognition (CSLR) aims to generate gloss sequences based on untrimmed sign videos. Since discriminative visual features are essential for CSLR, current efforts mainly focus on strengthening the feature extractor. The feature extractor can be disassembled into a spatial representation module and a short-term temporal module for spatial and visual features modeling. However, existing methods always regard it as a monoblock and rarely implement specific refinements for such two distinct modules, which is difficult to achieve effective modeling of spatial appearance information and temporal motion information. To address the above issues, we proposed a spatial temporal enhanced network which contains a spatial-visual alignment (SVA) module and a temporal feature difference (TFD) module. Specifically, the SVA module conducts an auxiliary task between the spatial features and target gloss sequences to enhance the extraction of hand and facial expressions. Meanwhile, the TFD module is constructed to exploit the underlying dynamic between consecutive frames and inject the aggregated motion information into spatial features to assist short-term temporal modeling. Extensive experimental results demonstrate the effectiveness of the proposed modules and our network achieves state-of-the-art or competitive performance on four public CSLR datasets.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
科研通AI2S应助YL采纳,获得10
3秒前
Owen应助YL采纳,获得10
3秒前
3秒前
风趣的敏完成签到,获得积分10
4秒前
zs完成签到,获得积分10
6秒前
1111完成签到 ,获得积分10
6秒前
菠萝头完成签到 ,获得积分10
6秒前
嘟嘟图图发布了新的文献求助10
7秒前
zshjwk18完成签到,获得积分10
9秒前
龙行天下完成签到 ,获得积分20
10秒前
orixero应助坚定的雁菱采纳,获得10
13秒前
李宏宇完成签到,获得积分10
14秒前
14秒前
Orange应助听风采纳,获得10
14秒前
15秒前
17秒前
18秒前
18秒前
科研狗完成签到 ,获得积分10
19秒前
Peix发布了新的文献求助10
20秒前
20秒前
20秒前
23秒前
25秒前
25秒前
坚强的代曼完成签到,获得积分10
25秒前
科研通AI2S应助稳定上分采纳,获得10
26秒前
十一发布了新的文献求助10
27秒前
Ava应助Peix采纳,获得10
29秒前
芝麻汤圆发布了新的文献求助10
30秒前
1123发布了新的文献求助10
30秒前
30秒前
31秒前
善学以致用应助xxx采纳,获得10
31秒前
MOhy发布了新的文献求助20
33秒前
普鲁卡因完成签到,获得积分20
33秒前
正方形的瓜皮完成签到,获得积分10
33秒前
33秒前
34秒前
高分求助中
Evolution 3rd edition 1500
保险藏宝图 1000
Lire en communiste 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3183311
求助须知:如何正确求助?哪些是违规求助? 2833450
关于积分的说明 7994297
捐赠科研通 2495569
什么是DOI,文献DOI怎么找? 1331590
科研通“疑难数据库(出版商)”最低求助积分说明 636358
邀请新用户注册赠送积分活动 603522