YouTube-SL-25: 大规模、开放领域多语言手语平行语料库
计算与语言
2024-07-17 v1
摘要
即便是对于像美式手语（ASL）这样被较好研究的手语，数据仍是机器学习研究的瓶颈。对于全球许多其他手语而言，情况更糟。本文提出YouTube-SL-25，一个大规模、开放领域的多语言手语视频平行语料库，包含来自YouTube的看似well对齐的字幕。拥有超过3000小时的视频，覆盖25多个手语，YouTube-SL-25是a)是YouTube-ASL的3倍以上，b)目前最大的平行手语数据集，c)是许多其组成语言中第一个或最大的平行数据集。我们提供了基于T5的统一多语言多任务模型用于手语-文本任务的基线，并在4种手语上报告了分数。结果表明，多语言迁移对YouTube-SL-25中的较高资源和较低资源手语都有益。
引用
@article{arxiv.2407.11144,
title = {YouTube-SL-25: A Large-Scale, Open-Domain Multilingual Sign Language Parallel Corpus},
author = {Garrett Tanzer and Biao Zhang},
journal= {arXiv preprint arXiv:2407.11144},
year = {2024}
}
备注
Access YouTube-SL-25 at https://github.com/google-research/google-research/tree/master/youtube_sl_25