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
1秒前
1秒前
顺利完成签到,获得积分10
3秒前
共享精神应助Yolo采纳,获得10
4秒前
宁万三完成签到 ,获得积分10
4秒前
wisdom完成签到,获得积分10
4秒前
陈陈完成签到,获得积分10
6秒前
松松完成签到,获得积分10
6秒前
6秒前
上好佳完成签到,获得积分10
6秒前
要你命3000发布了新的文献求助10
6秒前
6秒前
一只鹿甜甜完成签到,获得积分10
7秒前
滴滴滴完成签到,获得积分10
8秒前
肥波完成签到,获得积分10
8秒前
竹马完成签到 ,获得积分10
9秒前
三叶草完成签到,获得积分10
9秒前
LJWU应助陈忱溪采纳,获得30
10秒前
烤地瓜要吃甜完成签到,获得积分10
10秒前
GuangliangGao完成签到,获得积分10
10秒前
10秒前
qiqi完成签到,获得积分10
11秒前
吃不饱星球球长应助LiLi采纳,获得50
12秒前
简单完成签到,获得积分10
12秒前
12秒前
GuangliangGao发布了新的文献求助10
13秒前
小蘑菇应助alei1203采纳,获得10
13秒前
13秒前
13秒前
张医生完成签到,获得积分10
14秒前
14秒前
HH1202关注了科研通微信公众号
15秒前
Opse完成签到,获得积分0
15秒前
LGH完成签到 ,获得积分10
16秒前
微尘完成签到,获得积分10
16秒前
冷静的音响完成签到 ,获得积分10
16秒前
自信晓博完成签到,获得积分10
16秒前
记忆完成签到,获得积分10
17秒前
颖儿完成签到,获得积分10
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 3183774
求助须知:如何正确求助?哪些是违规求助? 2833967
关于积分的说明 7996535
捐赠科研通 2496239
什么是DOI,文献DOI怎么找? 1332000
科研通“疑难数据库(出版商)”最低求助积分说明 636466
邀请新用户注册赠送积分活动 603660