English(EN) A Transformer-Based Contrastive Learning Approach for Few-Shot Sign Language Recognition

Transformer模型通过对比学习增强少样本手语识别能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-07 04:00

研究人员开发了一种基于Transformer的模型，该模型利用对比学习来改进少样本手语识别。这种方法学习身体关键点序列的鲁棒表示，从而能够对训练期间未遇到的手语进行分类。该模型在LSA64数据集上表现强劲，在仅有少量参考示例的情况下，对未见过类别的准确率达到了88.4%。 AI

影响这项研究可能带来更具适应性的手语识别系统，从而减少对新符号的标记数据需求。

排序理由该集群包含一篇详细介绍特定AI任务新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

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

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Silvan Ferreira, Esdras Costa, Marcio Dahia, Jampierre Rocha · 2026-07-07 04:00

A Transformer-Based Contrastive Learning Approach for Few-Shot Sign Language Recognition

arXiv:2204.02803v2 Announce Type: replace-cross Abstract: Sign language recognition from monocular video or 2D pose sequences is challenging, both because 3D information must be inferred from 2D observations and because the signal is inherently spatiotemporal. Moreover, the large…