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
filory发布了新的文献求助10
刚刚
amber发布了新的文献求助10
1秒前
3秒前
jw完成签到,获得积分10
4秒前
甜味白开水完成签到,获得积分10
5秒前
MJ发布了新的文献求助10
5秒前
又或完成签到,获得积分10
5秒前
8秒前
桐桐应助amber采纳,获得10
9秒前
fei发布了新的文献求助10
12秒前
加菲丰丰应助有魅力夜安采纳,获得20
12秒前
13秒前
15秒前
MJ完成签到,获得积分10
17秒前
星辰大海应助surou采纳,获得10
18秒前
穆立果发布了新的文献求助10
18秒前
希望天下0贩的0应助Cwx2020采纳,获得10
19秒前
南音发布了新的文献求助10
21秒前
24秒前
kitty22发布了新的文献求助20
24秒前
28秒前
YMM发布了新的文献求助10
28秒前
Cwx2020完成签到,获得积分10
28秒前
29秒前
31秒前
Cwx2020发布了新的文献求助10
33秒前
乐乐应助LeiX采纳,获得10
33秒前
宝宝发布了新的文献求助10
33秒前
醒醒完成签到,获得积分10
33秒前
Lucas应助大胆飞阳采纳,获得10
35秒前
自由香魔发布了新的文献求助10
36秒前
FashionBoy应助科研狗采纳,获得10
36秒前
Linlin1220完成签到,获得积分10
40秒前
41秒前
lucky完成签到,获得积分10
42秒前
JJP完成签到,获得积分10
43秒前
43秒前
LeiX发布了新的文献求助10
44秒前
44秒前
Singularity应助自然的亦巧采纳,获得10
44秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Evolution 3rd edition 1500
保险藏宝图 1000
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
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 3185808
求助须知:如何正确求助?哪些是违规求助? 2836161
关于积分的说明 8007812
捐赠科研通 2498548
什么是DOI,文献DOI怎么找? 1333595
科研通“疑难数据库(出版商)”最低求助积分说明 636881
邀请新用户注册赠送积分活动 604707