清晨好,您是今天最早来到科研通的研友!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,伴您科研之路漫漫前行!

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
吉吉国王完成签到,获得积分10
5秒前
韩千万完成签到,获得积分10
7秒前
甜乎贝贝完成签到 ,获得积分10
15秒前
MrChew完成签到 ,获得积分10
20秒前
汉堡包应助韩千万采纳,获得30
22秒前
吾系渣渣辉完成签到 ,获得积分10
24秒前
digger2023完成签到 ,获得积分10
37秒前
优雅沛文完成签到 ,获得积分10
44秒前
爱可可月完成签到 ,获得积分10
1分钟前
chengmin完成签到 ,获得积分10
1分钟前
Echo完成签到,获得积分10
1分钟前
2分钟前
韩千万发布了新的文献求助30
2分钟前
2分钟前
Lynn发布了新的文献求助10
2分钟前
Lynn完成签到,获得积分20
2分钟前
小小铱完成签到,获得积分10
3分钟前
韩千万发布了新的文献求助10
3分钟前
wenbinvan完成签到,获得积分0
3分钟前
科研通AI2S应助xiaobai采纳,获得10
3分钟前
牟翎完成签到,获得积分10
4分钟前
蝴蝶完成签到 ,获得积分10
4分钟前
4分钟前
yuntong完成签到 ,获得积分10
4分钟前
zhdjj完成签到 ,获得积分10
4分钟前
李健应助章鱼采纳,获得10
5分钟前
爱心完成签到 ,获得积分10
5分钟前
xiaobai完成签到,获得积分10
5分钟前
大雁完成签到 ,获得积分10
5分钟前
5分钟前
章鱼发布了新的文献求助10
5分钟前
jlwang完成签到,获得积分10
5分钟前
5分钟前
5分钟前
6分钟前
开始的开始完成签到 ,获得积分10
6分钟前
kenchilie完成签到 ,获得积分10
6分钟前
徐涛完成签到 ,获得积分10
6分钟前
6分钟前
酷波er应助科研通管家采纳,获得10
7分钟前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Evolution 3rd edition 1500
保险藏宝图 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 3186831
求助须知:如何正确求助?哪些是违规求助? 2836943
关于积分的说明 8011968
捐赠科研通 2499375
什么是DOI,文献DOI怎么找? 1334318
科研通“疑难数据库(出版商)”最低求助积分说明 637170
邀请新用户注册赠送积分活动 605068