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
2秒前
Cc完成签到 ,获得积分10
2秒前
慕青应助pitto采纳,获得10
2秒前
经海亦发布了新的文献求助10
3秒前
JamesPei应助77采纳,获得10
3秒前
Cyd完成签到 ,获得积分10
4秒前
4秒前
jiejie发布了新的文献求助10
4秒前
4秒前
852应助医路通行采纳,获得10
4秒前
上官若男应助叶痕TNT采纳,获得10
5秒前
岩下松风完成签到,获得积分10
6秒前
自觉晓亦应助谢显龙采纳,获得10
7秒前
123发布了新的文献求助10
7秒前
9秒前
sober完成签到 ,获得积分10
9秒前
dywen完成签到,获得积分10
9秒前
小不遛w完成签到,获得积分10
10秒前
美好乐松应助科研通管家采纳,获得10
10秒前
思源应助科研通管家采纳,获得10
10秒前
田様应助LLL采纳,获得10
10秒前
科研通AI2S应助科研通管家采纳,获得10
11秒前
11秒前
研友_VZG7GZ应助科研通管家采纳,获得10
11秒前
11秒前
毛豆应助科研通管家采纳,获得10
11秒前
毛豆爸爸应助科研通管家采纳,获得10
11秒前
毛豆应助科研通管家采纳,获得30
11秒前
11秒前
毛豆应助科研通管家采纳,获得10
11秒前
virgil应助科研通管家采纳,获得10
11秒前
飞竹天寻完成签到,获得积分10
12秒前
泽泽完成签到 ,获得积分10
12秒前
luluyu完成签到,获得积分10
14秒前
斯文的人生完成签到,获得积分10
14秒前
iY发布了新的文献求助30
15秒前
nicai完成签到,获得积分20
16秒前
16秒前
17秒前
17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 3183169
求助须知:如何正确求助?哪些是违规求助? 2833346
关于积分的说明 7993499
捐赠科研通 2495493
什么是DOI,文献DOI怎么找? 1331524
科研通“疑难数据库(出版商)”最低求助积分说明 636332
邀请新用户注册赠送积分活动 603490