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
nicheng完成签到 ,获得积分0
1秒前
whitepiece完成签到,获得积分10
3秒前
爱学习的悦悦子完成签到 ,获得积分10
4秒前
你说的完成签到 ,获得积分10
9秒前
乐乐完成签到 ,获得积分10
10秒前
杨永佳666完成签到 ,获得积分10
10秒前
于芋菊完成签到,获得积分0
16秒前
兔兔完成签到 ,获得积分10
19秒前
20秒前
诺亚方舟哇哈哈完成签到 ,获得积分0
20秒前
21秒前
巫巫巫巫巫完成签到 ,获得积分10
25秒前
迅速的幻雪完成签到 ,获得积分10
30秒前
在阳光下完成签到 ,获得积分10
33秒前
水沝完成签到 ,获得积分10
37秒前
帅气的海露完成签到 ,获得积分10
38秒前
子月之路完成签到,获得积分10
38秒前
39秒前
多边形完成签到 ,获得积分10
39秒前
41秒前
syiimo完成签到 ,获得积分10
48秒前
晚街听风完成签到 ,获得积分10
55秒前
zzll0301完成签到,获得积分10
59秒前
六六完成签到 ,获得积分10
1分钟前
鲲鹏完成签到 ,获得积分10
1分钟前
小文子完成签到 ,获得积分10
1分钟前
布知道完成签到 ,获得积分10
1分钟前
TEY完成签到 ,获得积分10
1分钟前
紫翼完成签到,获得积分10
1分钟前
胖虎完成签到,获得积分10
1分钟前
顾矜应助紫翼采纳,获得10
1分钟前
娜娜完成签到 ,获得积分10
1分钟前
1分钟前
Mr_X发布了新的文献求助10
1分钟前
平凡世界完成签到 ,获得积分10
1分钟前
天将明完成签到 ,获得积分10
1分钟前
我的白起是国服完成签到 ,获得积分10
1分钟前
上官若男应助Mr_X采纳,获得10
1分钟前
gaoxiaogao完成签到 ,获得积分10
1分钟前
长安乱世完成签到 ,获得积分10
1分钟前
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 3183763
求助须知:如何正确求助?哪些是违规求助? 2833806
关于积分的说明 7995603
捐赠科研通 2496073
什么是DOI,文献DOI怎么找? 1331890
科研通“疑难数据库(出版商)”最低求助积分说明 636455
邀请新用户注册赠送积分活动 603625