象征性在符号语言识别迁移学习中的影响
计算与语言
2026-03-05 v1 人工智能
计算机视觉与模式识别
摘要
大多数符号语言识别研究依赖于从基于视觉的数据集（如 ImageNet）进行迁移学习。一些研究改用其他可获得的语言数据集，常常聚焦于具有跨语言相似性的手势。该一体工作通过比较象征性手势的两组不同符号语言配对（中文-阿拉伯语和希腊语-弗拉米语）之间的迁移学习性能来检验这些相似性对有效知识迁移的必要性。Google Mediapipe 被用于作为输入特征提取器，使空间信息能够通过多层感知器 (MLP) 架构加以处理，而时间信息则通过门控循环单元 (GRU) 进行处理。实验结果显示，在中文到阿拉伯语以及希腊语到弗拉米语的象征性迁移学习中，分别实现了 7.02% 和 1.07% 的性能提升。
引用
@article{arxiv.2603.03316,
title = {The Influence of Iconicity in Transfer Learning for Sign Language Recognition},
author = {Keren Artiaga and Conor Lynch and Haithem Afli and Mohammed Hasanuzzaman},
journal= {arXiv preprint arXiv:2603.03316},
year = {2026}
}