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
星辰大海应助Medical天采纳,获得10
刚刚
wangqing完成签到,获得积分10
1秒前
吴梦瑜完成签到 ,获得积分10
1秒前
SciGPT应助橙子快跑采纳,获得10
1秒前
Orange应助悲伤的玉米汤采纳,获得10
1秒前
2秒前
2秒前
2秒前
瘦瘦含芙完成签到,获得积分20
2秒前
SciGPT应助小小脸采纳,获得30
3秒前
老实怀蝶应助帅气的沧海采纳,获得10
4秒前
万能图书馆应助二东采纳,获得10
4秒前
酷波er应助平常山河采纳,获得10
4秒前
4秒前
5秒前
zhangwei完成签到,获得积分10
5秒前
maction应助wangqing采纳,获得20
5秒前
深情未来完成签到,获得积分10
5秒前
kiki完成签到,获得积分10
7秒前
秦艽完成签到,获得积分10
8秒前
华仔应助细腻代真采纳,获得10
8秒前
XC发布了新的文献求助50
8秒前
9秒前
getu完成签到 ,获得积分10
9秒前
口羊发布了新的文献求助10
9秒前
9秒前
11秒前
13秒前
满意的凝荷完成签到,获得积分10
13秒前
15秒前
spenley发布了新的文献求助10
15秒前
479_完成签到 ,获得积分10
15秒前
你是龙也好应助飞云采纳,获得10
15秒前
渣渣慧完成签到,获得积分10
15秒前
贾宝玉讨饭发布了新的文献求助100
16秒前
yolo发布了新的文献求助10
16秒前
二东发布了新的文献求助10
16秒前
积极松鼠发布了新的文献求助10
16秒前
口羊完成签到,获得积分10
17秒前
zhuiyu完成签到 ,获得积分10
17秒前
高分求助中
Earth System Geophysics 1000
Write Like a Chemist: A Guide and Resource (第二版) 600
Mixed-anion Compounds 600
Language injustice and social equity in EMI policies in China 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 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
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 3201601
求助须知:如何正确求助?哪些是违规求助? 2851266
关于积分的说明 8076867
捐赠科研通 2515205
什么是DOI,文献DOI怎么找? 1347832
科研通“疑难数据库(出版商)”最低求助积分说明 640457
邀请新用户注册赠送积分活动 610805