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
买菜市民熊先生完成签到,获得积分10
刚刚
---发布了新的文献求助10
1秒前
戴先森发布了新的文献求助10
2秒前
wuhaixia完成签到,获得积分10
3秒前
wang完成签到 ,获得积分10
4秒前
threewater发布了新的文献求助10
5秒前
5秒前
芝士球球应助健忘书兰采纳,获得10
8秒前
杨仔发布了新的文献求助10
8秒前
斯文败类应助insissst采纳,获得10
9秒前
summy发布了新的文献求助10
9秒前
爆米花应助October采纳,获得10
10秒前
10秒前
11秒前
11秒前
pan完成签到,获得积分10
12秒前
一生所爱完成签到,获得积分10
13秒前
13秒前
ml完成签到,获得积分10
15秒前
15秒前
健忘书兰完成签到,获得积分20
15秒前
15秒前
15秒前
env发布了新的文献求助10
16秒前
彭于彦祖应助魔幻的毛巾采纳,获得20
17秒前
嵩山小麻雀完成签到,获得积分10
17秒前
yk123发布了新的文献求助10
17秒前
daway1003发布了新的文献求助10
18秒前
du完成签到 ,获得积分10
18秒前
彦嘉发布了新的文献求助30
18秒前
xiaoyuan完成签到,获得积分10
18秒前
19秒前
19秒前
静静完成签到 ,获得积分10
20秒前
甜的瓜发布了新的文献求助10
20秒前
哈哈哈完成签到,获得积分10
20秒前
20秒前
insissst完成签到,获得积分10
21秒前
Liu_Ci应助RRRR采纳,获得10
23秒前
23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 3184696
求助须知:如何正确求助?哪些是违规求助? 2834971
关于积分的说明 8002491
捐赠科研通 2497387
什么是DOI,文献DOI怎么找? 1332822
科研通“疑难数据库(出版商)”最低求助积分说明 636685
邀请新用户注册赠送积分活动 604068