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
田様应助小鱼采纳,获得10
3秒前
聪明小丸子完成签到,获得积分10
5秒前
当女遇到乔完成签到 ,获得积分10
8秒前
ming完成签到,获得积分10
10秒前
SQL完成签到 ,获得积分10
10秒前
jiangjiang完成签到 ,获得积分10
18秒前
gao完成签到 ,获得积分10
18秒前
PandaC完成签到,获得积分10
19秒前
InfoNinja应助科研通管家采纳,获得30
21秒前
InfoNinja应助科研通管家采纳,获得30
21秒前
亚李完成签到 ,获得积分10
28秒前
Ive完成签到 ,获得积分10
28秒前
执着夏山完成签到,获得积分10
29秒前
xc完成签到,获得积分10
31秒前
Richardisme完成签到 ,获得积分10
36秒前
linfordlu完成签到,获得积分0
39秒前
包子牛奶完成签到,获得积分10
39秒前
楚奇完成签到,获得积分10
39秒前
明钟达完成签到 ,获得积分10
45秒前
yueLu完成签到 ,获得积分10
50秒前
zho关闭了zho文献求助
54秒前
57秒前
葶ting完成签到 ,获得积分10
57秒前
张张张xxx完成签到,获得积分10
59秒前
AAA111122发布了新的文献求助10
1分钟前
zho关闭了zho文献求助
1分钟前
Lexi完成签到 ,获得积分10
1分钟前
dreamwalk完成签到,获得积分10
1分钟前
青衣北风发布了新的文献求助10
1分钟前
monair完成签到 ,获得积分10
1分钟前
快乐的蓝完成签到 ,获得积分10
1分钟前
黑暗与黎明完成签到 ,获得积分10
1分钟前
1分钟前
Uncle发布了新的文献求助10
1分钟前
困困困完成签到 ,获得积分10
1分钟前
雪山飞龙发布了新的文献求助10
1分钟前
1分钟前
Uncle完成签到,获得积分10
1分钟前
wanci应助AAA111122采纳,获得10
1分钟前
ubw完成签到,获得积分10
1分钟前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Evolution 3rd edition 1500
保险藏宝图 1000
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 3186916
求助须知:如何正确求助?哪些是违规求助? 2836960
关于积分的说明 8012025
捐赠科研通 2499390
什么是DOI,文献DOI怎么找? 1334354
科研通“疑难数据库(出版商)”最低求助积分说明 637170
邀请新用户注册赠送积分活动 605071