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
JamesPei应助bdvdsrwteges采纳,获得10
1秒前
1秒前
迷人人雄完成签到,获得积分20
1秒前
2miiin发布了新的文献求助10
2秒前
Jasper应助CyrusLiu采纳,获得10
3秒前
咿呀咿呀哟完成签到,获得积分10
3秒前
Princess发布了新的文献求助10
5秒前
寂寞有声完成签到,获得积分10
5秒前
6秒前
我是牛马发布了新的文献求助10
6秒前
科研狗完成签到,获得积分10
6秒前
文献查找完成签到,获得积分10
7秒前
小蘑菇应助kgrvlm采纳,获得10
8秒前
笨笨西牛完成签到 ,获得积分10
8秒前
9秒前
莫道桑榆完成签到,获得积分10
9秒前
lll完成签到,获得积分10
9秒前
kksk发布了新的文献求助10
10秒前
23完成签到,获得积分10
10秒前
可靠板栗完成签到,获得积分10
11秒前
volzzz发布了新的文献求助10
12秒前
田様应助xiaoxiao采纳,获得10
12秒前
NexusExplorer应助通义千问采纳,获得10
13秒前
13秒前
怡然夏山发布了新的文献求助10
13秒前
2miiin完成签到,获得积分10
13秒前
bdvdsrwteges发布了新的文献求助10
14秒前
16秒前
芝士牛堡发布了新的文献求助10
16秒前
17秒前
why完成签到 ,获得积分10
17秒前
BCKT完成签到,获得积分10
18秒前
xyrain完成签到,获得积分10
20秒前
万能图书馆应助婧年采纳,获得10
20秒前
科研通AI2S应助肆水流云采纳,获得10
20秒前
皮皮发布了新的文献求助10
21秒前
22秒前
浮云发布了新的文献求助10
22秒前
sunny发布了新的文献求助20
22秒前
朱小小完成签到,获得积分10
23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 3182979
求助须知:如何正确求助?哪些是违规求助? 2833161
关于积分的说明 7992824
捐赠科研通 2495326
什么是DOI,文献DOI怎么找? 1331455
科研通“疑难数据库(出版商)”最低求助积分说明 636293
邀请新用户注册赠送积分活动 603391