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
zjkzh完成签到,获得积分10
刚刚
刚刚
刚刚
1秒前
暮霭沉沉应助机灵的嫣娆采纳,获得10
1秒前
aerjin发布了新的文献求助10
3秒前
自由念之完成签到,获得积分10
3秒前
4秒前
难难难发布了新的文献求助10
4秒前
5秒前
5秒前
5秒前
5秒前
dingdong发布了新的文献求助10
6秒前
共享精神应助健忘远山采纳,获得10
6秒前
6秒前
大模型应助uiwh采纳,获得10
7秒前
Carlos发布了新的文献求助10
7秒前
yummy完成签到,获得积分10
7秒前
8秒前
研友_nEWaD8发布了新的文献求助10
8秒前
叶子发布了新的文献求助10
9秒前
小鸣发布了新的文献求助30
10秒前
自由念之发布了新的文献求助10
10秒前
zxer发布了新的文献求助10
11秒前
科研通AI2S应助Rita采纳,获得10
12秒前
难难难完成签到,获得积分20
12秒前
13秒前
阳佟亦旋发布了新的文献求助10
17秒前
苗苗会喵喵完成签到,获得积分10
17秒前
沙耶酱完成签到,获得积分10
19秒前
ZMR121121发布了新的文献求助10
20秒前
20秒前
21秒前
21秒前
上官若男应助科研通管家采纳,获得10
21秒前
李爱国应助科研通管家采纳,获得10
21秒前
快乐女孩完成签到 ,获得积分10
22秒前
SciGPT应助科研通管家采纳,获得10
22秒前
Orange应助科研通管家采纳,获得10
22秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 500
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
2024 Medicinal Chemistry Reviews 400
Dictionary of socialism 350
Mixed-anion Compounds 300
Geochemistry, 2nd Edition 地球化学经典教科书第二版 300
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 3195319
求助须知:如何正确求助?哪些是违规求助? 2844145
关于积分的说明 8048793
捐赠科研通 2508780
什么是DOI,文献DOI怎么找? 1341026
科研通“疑难数据库(出版商)”最低求助积分说明 639078
邀请新用户注册赠送积分活动 608150