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
动人的白凡完成签到 ,获得积分10
1秒前
shirai完成签到,获得积分10
1秒前
莫道桑榆完成签到,获得积分10
5秒前
www完成签到,获得积分10
7秒前
黄毅完成签到,获得积分10
7秒前
8秒前
不要蕉绿完成签到,获得积分10
8秒前
9秒前
奋斗小公主完成签到,获得积分10
9秒前
Mireia完成签到,获得积分10
10秒前
于于小鱼9完成签到,获得积分10
10秒前
77完成签到 ,获得积分10
11秒前
Ekko完成签到,获得积分10
12秒前
粟粟完成签到,获得积分10
12秒前
雨渐渐发布了新的文献求助10
12秒前
12秒前
hululu完成签到 ,获得积分10
14秒前
一团小煤球完成签到,获得积分10
16秒前
xwhhxxb发布了新的文献求助10
17秒前
Z123发布了新的文献求助10
17秒前
布布发布了新的文献求助20
18秒前
曲夜白完成签到 ,获得积分10
19秒前
19秒前
雨渐渐完成签到,获得积分10
19秒前
万能图书馆应助iKUN采纳,获得10
20秒前
智勇双全完成签到,获得积分10
20秒前
香蕉子骞完成签到 ,获得积分10
21秒前
认真子默完成签到,获得积分10
21秒前
xianyu完成签到,获得积分10
23秒前
wtt完成签到 ,获得积分10
24秒前
怡然芒果完成签到,获得积分10
24秒前
猴子好坏发布了新的文献求助30
26秒前
xwhhxxb完成签到,获得积分10
26秒前
完美世界应助江睿曦采纳,获得10
28秒前
珊珊4532完成签到 ,获得积分10
28秒前
29秒前
shaonianliang完成签到,获得积分10
29秒前
31秒前
斯文慕山完成签到,获得积分10
32秒前
李东东发布了新的文献求助10
34秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
2-Acetyl-1-pyrroline: an important aroma component of cooked rice 500
A real-time energy management strategy based on fuzzy control and ECMS for PHEVs 400
Handbook on People's China (1957) 400
2024 Medicinal Chemistry Reviews 400
Why I Chose China [by Morris R. Wills] in "Look", February 8 and 22, 1966; 400
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 3190207
求助须知:如何正确求助?哪些是违规求助? 2839520
关于积分的说明 8024077
捐赠科研通 2502392
什么是DOI,文献DOI怎么找? 1336493
科研通“疑难数据库(出版商)”最低求助积分说明 637841
邀请新用户注册赠送积分活动 606020