孤立手语识别中循环神经网络与注意力机制架构的比较分析
计算与语言
2025-11-18 v1
摘要
本研究提出了对循环和注意力神经架构用于孤立手语识别的系统性比较分析。我们在阿塞拿疆手语数据集（AzSLD）和单词级美国手语（WLASL）数据集上实现和评估了两个代表模型——ConvLSTM 和 Vanilla Transformer。我们的结果表明，基于注意力的 Vanilla Transformer 在两个数据集上的 Top-1 和 Top-5 准确率均一致优于循环 ConvLSTM，在 AzSLD 上实现最高达 76.8% 的 Top-1 准确率，在 WLASL 上达到 88.3%。尽管 ConvLSTM 更具计算效率，但在识别准确率上落后于后者，尤其是在较小数据集上。这一发现凸显了每种范式的互补优势：Transformer 在整体准确率和签名人独立性方面更出色，而 ConvLSTM 在计算效率和时序建模方面具有优势。该研究提供了这些权衡的细致分析，为根据应用需求和资源限制选择手语识别系统的架构提供了指导。
引用
@article{arxiv.2511.13126,
title = {A Comparative Analysis of Recurrent and Attention Architectures for Isolated Sign Language Recognition},
author = {Nigar Alishzade and Gulchin Abdullayeva},
journal= {arXiv preprint arXiv:2511.13126},
year = {2025}
}