HandCraft：用于合成数据增强的动态手语生成
计算机视觉与模式识别
2025-08-25 v2 机器学习
摘要
手语识别（SLR）模型因训练数据不足而面临显著的性能限制。在本文中，我们通过引入一种基于CMLPe的新型轻量级手语生成模型，应对SLR中数据有限的挑战。该模型结合合成数据预训练方法，持续提升识别准确率，使用我们的Mamba-SL和Transformer-SL分类器在LSFB和DiSPLaY数据集上取得了最新的最优结果。我们的研究结果表明，合成数据预训练在某些情况下优于传统的数据增强方法，并在与之同时实施时产生互补效益。我们的方法通过提供计算高效的方法，在不同数据集上实现显著的性能提升，从而普及了用于SLR的手语生成和合成数据预训练。
引用
@article{arxiv.2508.14345,
title = {HandCraft: Dynamic Sign Generation for Synthetic Data Augmentation},
author = {Gaston Gustavo Rios and Pedro Dal Bianco and Franco Ronchetti and Facundo Quiroga and Oscar Stanchi and Santiago Ponte Ahón and Waldo Hasperué},
journal= {arXiv preprint arXiv:2508.14345},
year = {2025}
}
备注
26 pages, 4 figures, 9 tables, code available at https://github.com/okason97/HandCraft