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
科研通AI2S应助clyhg采纳,获得10
2秒前
2秒前
2秒前
vaco发布了新的文献求助10
3秒前
bkagyin应助zxy采纳,获得10
4秒前
4秒前
言希关注了科研通微信公众号
5秒前
盘尼西林完成签到,获得积分10
5秒前
小爱发布了新的文献求助10
6秒前
7秒前
8秒前
奋斗的友儿完成签到,获得积分10
8秒前
9秒前
NexusExplorer应助枣树先生采纳,获得10
9秒前
11秒前
广隶十良发布了新的文献求助10
13秒前
爱听歌契完成签到 ,获得积分10
13秒前
13秒前
CodeCraft应助tgd采纳,获得10
14秒前
vaco完成签到,获得积分10
14秒前
阿玖发布了新的文献求助10
14秒前
肖同学应助hjf采纳,获得10
14秒前
14秒前
15秒前
盘尼西林发布了新的文献求助10
15秒前
17秒前
17秒前
xiao金发布了新的文献求助10
17秒前
zxy发布了新的文献求助10
18秒前
18秒前
19秒前
酷波er应助Bobo采纳,获得10
19秒前
刘双发布了新的文献求助10
20秒前
汉堡包应助杜欣然采纳,获得10
20秒前
寸木完成签到 ,获得积分10
21秒前
孤独安珊完成签到,获得积分10
21秒前
彩色路人发布了新的文献求助10
22秒前
小M发布了新的文献求助10
23秒前
小爱完成签到,获得积分10
23秒前
23秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Write Like a Chemist: A Guide and Resource (第二版) 600
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
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 3199768
求助须知:如何正确求助?哪些是违规求助? 2848897
关于积分的说明 8068542
捐赠科研通 2513243
什么是DOI,文献DOI怎么找? 1346037
科研通“疑难数据库(出版商)”最低求助积分说明 640167
邀请新用户注册赠送积分活动 609877