Oct, 2021

通过骨架感知多模型合集进行手语识别

PDF
TL;DR该篇研究论文提出了一种基于骨架动态特征和多模态特征融合的新型骨骼感知多模态框架，以提高手语识别的准确率，并进行了三个 “孤立 SLR 数据集” 的实验验证，并且实现了最先进的 SLR 性能.
sign language recognitionskeleton-based action recognitionmulti-modal feature representationsgraph convolution networkseparable spatial-temporal convolution network
发现论文，激发创造
  • 骨架感知多模态手语识别

    提出了一个骨架感知的多模式手语识别框架 (SAM-SLR)，使用多种模态信息来提高识别率，并在 2021 年 Looking at People 大规模独立手语识别挑战赛中获得了最高性能。

    Mar, 2021

  • 骨架感知手语识别的动态时空聚合

    通过引入新的空间架构和时间模块，本研究提出的方法在四个大型手语识别基准测试中实现了最先进的准确性，同时相对于基于 RGB 的方法更节省计算资源，提供了更好的准确性与计算效益的平衡。

    Mar, 2024

  • 通过骨架图像表示增强巴西手语识别

    通过提取身体、手部和面部关键点并将其编码为 2D 图像，本研究提出了一种孤立手语识别（ISLR）方法，通过卷积神经网络映射视觉和时间信息到手语标签，实验证明该方法在两个广为认可的巴西手语（LIBRAS）数据集上的性能指标超过了现有技术。此外，由于依赖于更简单的网络架构和仅使用 RGB 数据作为输入，本方法更准确、更高效且更易于训练。

    Apr, 2024

  • 基于 GCN 和 BERT 的姿势型手语识别

    本文提出了一种新颖的姿态识别方法，该方法采用了图卷积网络和 BERT 模型分别捕捉视频中的空间和时间信息，并通过后期融合来识别手势，实验结果在常规数据集上获得了显著的准确率提升。

    Dec, 2020

  • 基于树结构骨架图像的独立手语识别

    使用 TSSI 系统改进骨架模型在手语识别方面的效果。

    Apr, 2023

  • 基于面部表情和手骨架的手语识别

    为解决手语识别方法中低准确率和鲁棒性差的问题，该研究提出了一种整合手部骨架特征和面部表情的手语识别网络，通过坐标转换提取更准确的手部形状特征，并结合面部表情信息，最终提高了手语识别的准确性和鲁棒性。这一方法在阿根廷手语数据库和东南大学中国手语识别数据库上得到了验证。

    Jul, 2024

  • 手语识别的分数级多提示融合

    通过 3D 卷积神经网络及得分融合方法，我们训练了针对主导手、双手、面部及上半身区域的不同模型，并比较它们的性能表现。实验结果表明，这种混合卷积模型的融合能够比使用完整上半身的基线提高高达 19% 的准确率，并提供有助于未来手语翻译的融合设置讨论。

    Sep, 2020

  • 用于连续手语识别的全卷积网络

    本文提出了使用全卷积网络 (FCN) 实现在线手语识别的方法，同时从仅具有句子级注释的弱注释视频序列中学习空间和时间特征，通过引入一个手语特征增强 (GFE) 模块来提高序列对齐学习的效果，实验表明该方法在连续手语识别上有效且在在线识别中表现出了较好的性能。

    Jul, 2020

  • 面向低资源手语识别的鲁棒手势嵌入提取

    通过对三种受欢迎的姿势估计器进行比较，本文发现通过关键点规范化、遗漏关键点插值和学习姿态嵌入，可以获得更好的结果并实现迁移学习，这些结果可能对未来的低资源手语语言特别有用。

    Jun, 2023

  • 全局局部增强网络用于 NMFs 感知手语识别

    提出了一种叫做全局 - 局部增强网络（GLE-Net）的有效架构，包括两个相互促进的流，以应对手势识别中手势和非手势特征的影响，同时推出了第一个非手势特征感知的中文手语数据集（NMFs-CSL）。

    Aug, 2020