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
阳光绝山发布了新的文献求助10
刚刚
Apricity完成签到,获得积分10
刚刚
华安驳回了wanci应助
1秒前
小鱼完成签到 ,获得积分10
2秒前
2秒前
学渣本渣完成签到,获得积分10
2秒前
Hello应助下次一定采纳,获得10
2秒前
Billy应助下次一定采纳,获得30
2秒前
好甜口完成签到,获得积分10
3秒前
CodeCraft应助茜牙牙牙采纳,获得10
4秒前
4秒前
企鹅发布了新的文献求助10
4秒前
共享精神应助小小鱼采纳,获得10
5秒前
5秒前
能力越小责任越小完成签到,获得积分10
6秒前
123go完成签到,获得积分10
7秒前
7秒前
学渣本渣发布了新的文献求助10
7秒前
8秒前
小鹿发布了新的文献求助10
8秒前
英俊的铭应助XUXU采纳,获得10
9秒前
帅气之槐发布了新的文献求助10
10秒前
西瓜完成签到 ,获得积分10
10秒前
关山完成签到,获得积分10
10秒前
罗颂子发布了新的文献求助10
11秒前
11秒前
奇怪人类发布了新的文献求助10
11秒前
11秒前
打打应助577采纳,获得10
12秒前
12秒前
自由的刺猬完成签到,获得积分10
13秒前
深情安青应助ZZzz采纳,获得10
14秒前
笑点低的云朵完成签到,获得积分10
15秒前
15秒前
Juno发布了新的文献求助10
16秒前
田様应助xinanan采纳,获得10
16秒前
16秒前
单薄蘑菇发布了新的文献求助10
18秒前
阳光绝山完成签到,获得积分20
19秒前
20秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Evolution 3rd edition 1500
保险藏宝图 1000
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
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 3185093
求助须知:如何正确求助?哪些是违规求助? 2835464
关于积分的说明 8004977
捐赠科研通 2497908
什么是DOI,文献DOI怎么找? 1333180
科研通“疑难数据库(出版商)”最低求助积分说明 636783
邀请新用户注册赠送积分活动 604380