连续手语识别技术的比较研究
计算与语言
2024-10-23 v1 计算机视觉与模式识别
摘要
连续手语识别（CSLR）旨在解释在不带停顿的情况下持续进行的手语手势序列。本文对近期深度学习CSLR技术进行了经验性评估，并在various数据集和手语语言之间进行了测试。所选模型实现了多种特征提取方法并采用了不同的训练策略。为确定这些模型在建模不同手语语言方面的效果，这些模型在多个数据集上进行了评估，具体包括RWTH-PHOENIX-Weather-2014、ArabSign和GrSL各数据集，分别代表不同的手语。模型的性能还在未见手语者和句子上进行了测试。通过实验，我们在所选数据集上建立了新的基准，并为在挑战性情境下评估技术的鲁棒性和泛化性提供了宝贵见解。
引用
@article{arxiv.2406.12369,
title = {A Comparative Study of Continuous Sign Language Recognition Techniques},
author = {Sarah Alyami and Hamzah Luqman},
journal= {arXiv preprint arXiv:2406.12369},
year = {2024}
}
备注
This work has been submitted to the IEEE for possible publication