新的SIGNER框架通过时间分辨条件改进了签语生成

研究人员开发了SIGNER，一个用于签语生成的新颖框架，它解决了时域约束方面的局限性。通过采用时间分辨条件方法，并结合时间-手语词条件和局部时间融合，SIGNER确保生成的签语能够准确反映预期的含义并保持正确的词汇顺序。在Phoenix-2014T和CSL-Daily数据集上的实验表明，SIGNER在生成时域约束的签语方面取得了最先进的性能。 AI

影响 通过推进签语生成技术，提高了聋哑和听力障碍社区的可及性。

排序理由 该集群包含一篇详细介绍签语生成新模型和方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• CSL-Daily
• DagsHub
• Gotit.pub
• Hugging Face
• PHOENIX-2014T
• ScienceCast
• SIGNER
• Taeryung Lee

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →