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
刚刚
雾黎颖完成签到,获得积分10
1秒前
huanglm发布了新的文献求助10
2秒前
2秒前
3秒前
hanabi完成签到,获得积分10
3秒前
kmyang发布了新的文献求助10
3秒前
4秒前
4秒前
errui发布了新的文献求助10
5秒前
虹虹发布了新的文献求助10
5秒前
vickyyao完成签到,获得积分20
6秒前
科研通AI2S应助起起采纳,获得10
6秒前
7秒前
柠檬小白发布了新的文献求助10
8秒前
英姑应助DE2022采纳,获得10
8秒前
初夏发布了新的文献求助10
9秒前
9秒前
无语的青丝完成签到 ,获得积分10
10秒前
10秒前
11秒前
chaos完成签到,获得积分10
12秒前
jlhfg发布了新的文献求助20
12秒前
JamesPei应助xddll采纳,获得10
12秒前
尊敬的半梅应助xddll采纳,获得10
12秒前
13秒前
乐乐应助武原龙采纳,获得10
13秒前
13秒前
xt完成签到,获得积分10
14秒前
传奇3应助yahage采纳,获得10
14秒前
SSL完成签到,获得积分10
14秒前
collins完成签到,获得积分20
14秒前
14秒前
14秒前
Zmy发布了新的文献求助10
14秒前
14秒前
yue完成签到 ,获得积分10
15秒前
上官若男应助西雅采纳,获得30
15秒前
17秒前
陶醉牛排发布了新的文献求助10
18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 3182733
求助须知:如何正确求助?哪些是违规求助? 2832981
关于积分的说明 7991795
捐赠科研通 2495103
什么是DOI,文献DOI怎么找? 1331239
科研通“疑难数据库(出版商)”最低求助积分说明 636256
邀请新用户注册赠送积分活动 603313