PulseAugur
实时 09:29:27
English(EN) SignMAE: Segmentation-Driven Self-Supervised Learning for Sign Language Recognition

SignMAE利用分割技术提高手语识别准确性

研究人员开发了SignMAE,一种新颖的手语识别自监督学习方法,该方法利用分割技术来更好地捕捉手部和身体动作的细微差别。与先前将姿势视为静态标记的方法不同,SignMAE的掩码和重建目标侧重于关键身体部位的动态存在和运动。通过使用更少的输入帧和模态来提高准确性,该方法在WLASL和NMFs-CSL等多个基准数据集上展示了最先进的性能。 AI

影响 引入了一种新颖的自监督学习方法,可以提高手语识别系统的准确性和效率。

排序理由 这是一篇详细介绍手语识别新方法的学术论文。

在 arXiv cs.CV 阅读 →

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

SignMAE利用分割技术提高手语识别准确性

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Kunyuan Xie, Zhixi Cai, Kalin Stefanov ·

    SignMAE: Segmentation-Driven Self-Supervised Learning for Sign Language Recognition

    arXiv:2605.02094v1 Announce Type: new Abstract: Subtle hand differences make sign language recognition challenging, yet many existing methods rely on encoders pretrained on generic action datasets that poorly capture such fine-grained cues. We propose a self-supervised pretrainin…