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
甜橙完成签到 ,获得积分10
刚刚
北过居庸发布了新的文献求助20
1秒前
2秒前
xYueea发布了新的文献求助10
3秒前
3秒前
Liu发布了新的文献求助10
3秒前
Lucas应助维维采纳,获得10
4秒前
赘婿应助巴拉巴拉巴采纳,获得10
5秒前
huhu完成签到 ,获得积分20
5秒前
6秒前
Marine完成签到,获得积分20
7秒前
10秒前
Akim应助xYueea采纳,获得10
10秒前
翁君浩发布了新的文献求助30
11秒前
13秒前
Liu完成签到,获得积分10
13秒前
陌君子筱发布了新的文献求助10
14秒前
皇帝的床帘完成签到,获得积分10
15秒前
yuanqi完成签到,获得积分10
16秒前
16秒前
糟糕的富完成签到,获得积分10
17秒前
18秒前
落后的芒果完成签到,获得积分10
19秒前
20秒前
酷酷银耳汤完成签到,获得积分10
20秒前
默默访风完成签到,获得积分10
21秒前
无限芝麻完成签到,获得积分10
22秒前
Sin7应助科研通管家采纳,获得20
23秒前
iNk应助科研通管家采纳,获得10
23秒前
小马甲应助科研通管家采纳,获得10
23秒前
NexusExplorer应助科研通管家采纳,获得10
23秒前
田様应助Felix采纳,获得30
24秒前
wu发布了新的文献求助10
24秒前
科研通AI2S应助无语的又夏采纳,获得10
24秒前
25秒前
Liu发布了新的文献求助10
26秒前
猩心完成签到 ,获得积分10
26秒前
我不是大牛完成签到,获得积分10
27秒前
Hello应助WizBLue采纳,获得10
28秒前
30秒前
高分求助中
Evolution 3rd edition 1500
Lire en communiste 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
2-Acetyl-1-pyrroline: an important aroma component of cooked rice 500
Ribozymes and aptamers in the RNA world, and in synthetic biology 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 3180839
求助须知:如何正确求助?哪些是违规求助? 2831048
关于积分的说明 7982818
捐赠科研通 2492930
什么是DOI,文献DOI怎么找? 1329932
科研通“疑难数据库(出版商)”最低求助积分说明 635836
版权声明 602954