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
lilililili发布了新的文献求助10
1秒前
lx发布了新的文献求助10
1秒前
朴实起眸发布了新的文献求助10
1秒前
1秒前
Razor完成签到,获得积分10
2秒前
2秒前
橘子发布了新的文献求助50
2秒前
小刚完成签到,获得积分10
2秒前
3秒前
梁羽生完成签到,获得积分10
4秒前
4秒前
学子发布了新的文献求助10
5秒前
Ava应助Razor采纳,获得10
5秒前
6秒前
慕青应助Lyubb采纳,获得10
6秒前
梁羽生发布了新的文献求助10
7秒前
lilililili完成签到,获得积分10
8秒前
LIDK发布了新的文献求助10
8秒前
ray完成签到 ,获得积分10
8秒前
潼熙甄发布了新的文献求助10
10秒前
Ling完成签到 ,获得积分10
11秒前
瓜瓜发布了新的文献求助10
13秒前
13秒前
13秒前
fatcat发布了新的文献求助10
13秒前
Jasper应助火星上的谷菱采纳,获得10
13秒前
CodeCraft应助凤梨采纳,获得10
14秒前
LSH发布了新的文献求助10
16秒前
17秒前
学子完成签到,获得积分10
18秒前
zzd12318发布了新的文献求助10
18秒前
20秒前
ly完成签到,获得积分10
21秒前
21秒前
21秒前
权香露完成签到,获得积分10
22秒前
毒蛇如我发布了新的文献求助10
22秒前
叶菲菲发布了新的文献求助10
23秒前
科研通AI2S应助lx采纳,获得10
23秒前
23秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
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
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 3185347
求助须知:如何正确求助?哪些是违规求助? 2835667
关于积分的说明 8005856
捐赠科研通 2498096
什么是DOI,文献DOI怎么找? 1333285
科研通“疑难数据库(出版商)”最低求助积分说明 636828
邀请新用户注册赠送积分活动 604443