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
杨杨杨完成签到,获得积分10
1秒前
wistage完成签到,获得积分10
1秒前
dbdxyty完成签到,获得积分10
2秒前
小余完成签到,获得积分20
3秒前
lxhhh完成签到,获得积分10
4秒前
负责的寒梅完成签到 ,获得积分10
4秒前
licomen发布了新的文献求助10
5秒前
云轻完成签到 ,获得积分10
5秒前
5秒前
BettyNie完成签到 ,获得积分10
6秒前
复杂勒完成签到,获得积分10
7秒前
小赞完成签到,获得积分10
7秒前
方圆几里完成签到,获得积分10
7秒前
8秒前
何糖完成签到,获得积分10
8秒前
ussiMi完成签到 ,获得积分10
9秒前
guoxingliu发布了新的文献求助200
11秒前
zhouyou完成签到,获得积分20
12秒前
g7001发布了新的文献求助100
13秒前
吴雪完成签到 ,获得积分10
13秒前
licomen完成签到,获得积分10
14秒前
火火火小朋友完成签到 ,获得积分10
15秒前
李健的小迷弟应助杨老师采纳,获得10
16秒前
tong童完成签到 ,获得积分10
17秒前
17秒前
子车代芙完成签到,获得积分10
18秒前
桃酥酥完成签到,获得积分10
19秒前
lingling完成签到 ,获得积分10
20秒前
FashionBoy应助西柚采纳,获得10
21秒前
小纸人完成签到,获得积分10
21秒前
褚浩然完成签到,获得积分10
21秒前
科研通AI2S应助jlwang采纳,获得10
21秒前
Polly完成签到,获得积分10
21秒前
酷波er应助安逸1采纳,获得10
21秒前
zho发布了新的文献求助10
22秒前
23秒前
红叶完成签到,获得积分10
23秒前
上官若男应助激情的含巧采纳,获得10
25秒前
山顶的望眼镜完成签到,获得积分10
26秒前
柠七完成签到,获得积分10
28秒前
高分求助中
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
A new species of Coccus (Homoptera: Coccoidea) from Malawi 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 3183774
求助须知:如何正确求助?哪些是违规求助? 2833826
关于积分的说明 7995716
捐赠科研通 2496089
什么是DOI,文献DOI怎么找? 1331890
科研通“疑难数据库(出版商)”最低求助积分说明 636458
邀请新用户注册赠送积分活动 603625