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
快帮我找找完成签到,获得积分10
1秒前
1秒前
咖可乐完成签到,获得积分10
2秒前
3秒前
GBY完成签到,获得积分10
3秒前
123完成签到,获得积分10
3秒前
欢呼小蚂蚁完成签到,获得积分10
3秒前
5秒前
6秒前
小二郎应助称心语风采纳,获得10
7秒前
9秒前
ysxl发布了新的文献求助10
9秒前
不改变不容易wwj完成签到 ,获得积分10
9秒前
9秒前
长情绿凝完成签到,获得积分10
10秒前
Goal发布了新的文献求助10
10秒前
尚寻发布了新的文献求助10
12秒前
义气依萱发布了新的文献求助10
14秒前
15秒前
16秒前
风再起时完成签到,获得积分20
16秒前
Goal完成签到,获得积分10
16秒前
123发布了新的文献求助10
17秒前
19秒前
小蚂蚁发布了新的文献求助10
20秒前
称心语风发布了新的文献求助10
20秒前
HXB发布了新的文献求助10
20秒前
21秒前
朴实凝阳发布了新的文献求助150
21秒前
25秒前
江J发布了新的文献求助10
25秒前
传统的纸飞机完成签到,获得积分10
26秒前
小田睡不醒完成签到,获得积分20
26秒前
李爱国应助江雨111采纳,获得10
27秒前
29秒前
小鱼完成签到,获得积分10
30秒前
30秒前
小二郎应助屋顶橙子味采纳,获得10
30秒前
昔我依依发布了新的文献求助30
31秒前
爱笑小玉完成签到,获得积分10
31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 3182271
求助须知:如何正确求助?哪些是违规求助? 2832628
关于积分的说明 7990104
捐赠科研通 2494690
什么是DOI,文献DOI怎么找? 1330907
科研通“疑难数据库(出版商)”最低求助积分说明 636181
邀请新用户注册赠送积分活动 603114