本研究的目的是为了解决计算手语研究中缺少大规模数据集的问题，并且分享了六个数据集和相关工具的收集过程以及用于推动未来研究的基准翻译结果。

May, 2021

本文提出了一个包括 25,000 个有注释视频的美国手语数据集，通过 I3D 架构的应用，实现了对 1000 个手势的无限制语境下的识别。

Dec, 2018

发布了迄今最大的孤立手语识别数据集 ASL Citizen，该数据集包含 83,912 个视频，由 52 名手语用户在各种环境中拍摄了 2,731 个不同的手势，并提出应将该数据集用于手语字典检索，使用我们数据集训练监督学习分类器在手语字典检索方面极大地提高了性能。

Apr, 2023

本文介绍了一个新的大规模美国手语单词语义（WLASL）数据集，并实现了基于外观和人体姿态的 2 个模型，以及提出了一种新的基于姿态的时态图卷积网络（Pose-TGCN）方法，同时模拟人体姿态轨迹中的空间和时间依赖关系，为手语识别研究提供了一个有价值的基准实验平台。

Oct, 2019

自动手语识别是一个研究领域，包括人机交互、计算机视觉和机器学习。该论文介绍了一个涉及阿根廷手语的数据集，名为 LSA64，旨在构建一个针对阿根廷手语识别或其他机器学习任务的全面研究级数据集的第一步。

Oct, 2023

自动手语翻译是一个具有巨大社会影响的研究领域，通过端到端手语翻译可以促进听力有困难的人与听力正常的人之间的交流，从而提高他们的社交生活和参与社会生活的机会。针对现有资源有限的问题，研究者构建了一个新的希腊手语视频翻译数据集，包含 29653 个视频翻译对，基于希腊小学的官方课程，该数据集覆盖了广泛的主题，并使用该数据集训练了最新的基于 Transformer 的方法，结果表明该数据集在提供可用性和实际价值方面具有潜力推动 SLT 研究。

Oct, 2023

本研究介绍了 TVB-HKSL-News，这是一个通过 7 个月的时间从电视新闻节目中收集的香港手语（HKSL）数据集。该数据集旨在为 HKSL 提供丰富资源，支持大词汇连续手语识别（SLR）和翻译（SLT）的研究。通过自动化收集数据的方法，我们相信该收集方法可以轻松扩展到为未来的 SLT 收集更多手语数据，适用于任何手语，如果有这样的手语口译视频。我们还在数据集上运行了一个最先进的 SLR / SLT 模型，得到了 34.08％的基准 SLR 词错误率和 23.58 的基准 SLT BLEU-4 分数，以便为该数据集未来的研究提供基准。

May, 2024

ISLTranslate is introduced as the largest translation dataset for continuous Indian Sign Language, consisting of 31k ISL-English sentence/phrase pairs, which is benchmarked against a transformer-based model for ISL translation.

Jul, 2023

本文介绍了两个新的数据集，分别为三维表示和语言学表示，以提高手语识别领域的研究进展。

Jan, 2022

通过实验评估了基于计算机视觉的手语识别方法，并引入了新的序列训练标准，讨论了许多预训练方案，并创建了带注释的希腊手语 RGB + D 数据集。

Jul, 2020