已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

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
潇潇洒洒完成签到 ,获得积分10
刚刚
zxt应助澹影星河采纳,获得10
刚刚
英俊的铭应助迷糊的橙子采纳,获得10
1秒前
oleskarabach发布了新的文献求助10
2秒前
5秒前
makabakkkk发布了新的文献求助10
5秒前
kuzzi完成签到,获得积分10
6秒前
6秒前
7秒前
Stacey发布了新的文献求助10
8秒前
龙卡烧烤店完成签到,获得积分10
10秒前
陈陈欲睡完成签到,获得积分10
10秒前
11秒前
wwwl发布了新的文献求助10
11秒前
专一的芒果完成签到 ,获得积分10
12秒前
CCC完成签到 ,获得积分10
12秒前
冷酷凝芙发布了新的文献求助10
14秒前
xxxx完成签到 ,获得积分10
18秒前
oleskarabach完成签到,获得积分20
19秒前
21秒前
华仔应助天真的棒棒糖采纳,获得10
22秒前
22秒前
不羡江中仙完成签到 ,获得积分10
25秒前
Stacey完成签到,获得积分20
28秒前
端庄向雁发布了新的文献求助20
29秒前
flyfish完成签到,获得积分10
32秒前
宇文傲龙完成签到 ,获得积分10
33秒前
35秒前
40秒前
40秒前
迷糊的橙子完成签到,获得积分10
42秒前
精明云朵完成签到 ,获得积分10
44秒前
bingbing完成签到,获得积分10
45秒前
45秒前
46秒前
49秒前
一一完成签到,获得积分10
55秒前
56秒前
乐乐应助科研通管家采纳,获得10
57秒前
57秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Mixed-anion Compounds 600
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
Earth System Geophysics 500
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 500
Geochemistry, 2nd Edition 地球化学经典教科书第二版 401
2024 Medicinal Chemistry Reviews 400
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 3200608
求助须知:如何正确求助?哪些是违规求助? 2850426
关于积分的说明 8071977
捐赠科研通 2514157
什么是DOI,文献DOI怎么找? 1346908
科研通“疑难数据库(出版商)”最低求助积分说明 640281
邀请新用户注册赠送积分活动 610407