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
xxx完成签到,获得积分10
刚刚
1秒前
1秒前
端庄白猫发布了新的文献求助10
1秒前
大个应助无名之辈采纳,获得10
1秒前
卑微颜狗发布了新的文献求助10
1秒前
清修发布了新的文献求助10
2秒前
2秒前
2秒前
干净铅笔发布了新的文献求助10
3秒前
Helium发布了新的文献求助10
3秒前
zfc发布了新的文献求助10
3秒前
血茗完成签到 ,获得积分10
3秒前
林夕发布了新的文献求助10
4秒前
科研通AI2S应助如意歌曲采纳,获得10
4秒前
韶华完成签到,获得积分10
5秒前
懦弱的咖啡豆完成签到,获得积分10
5秒前
彭于彦祖应助sss采纳,获得30
5秒前
橘子完成签到,获得积分10
5秒前
shor0414完成签到 ,获得积分10
5秒前
Jasper应助风中安萱采纳,获得10
6秒前
6秒前
tjj发布了新的文献求助10
6秒前
JamesPei应助粗暴的万仇采纳,获得10
6秒前
SciGPT应助橘仔乐采纳,获得10
7秒前
健康的访枫完成签到 ,获得积分10
7秒前
7秒前
wjx发布了新的文献求助10
7秒前
9秒前
9秒前
荣安安发布了新的文献求助10
9秒前
彭于彦祖应助tuntunliu采纳,获得20
9秒前
FashionBoy应助luca采纳,获得10
10秒前
bkagyin应助简单灵凡采纳,获得10
10秒前
shor0414发布了新的文献求助10
11秒前
xiaodong完成签到,获得积分10
11秒前
高高安白发布了新的文献求助10
12秒前
12秒前
penshegui完成签到,获得积分10
12秒前
风中安萱完成签到,获得积分10
13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
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
2-Acetyl-1-pyrroline: an important aroma component of cooked rice 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 3181688
求助须知:如何正确求助?哪些是违规求助? 2832002
关于积分的说明 7987392
捐赠科研通 2493888
什么是DOI,文献DOI怎么找? 1330529
科研通“疑难数据库(出版商)”最低求助积分说明 635979
版权声明 602955