Jan, 2024

手语培训计划：ISENSE 项目中通过虚拟现实实现的社会融合

PDF
TL;DRISENSE 项目旨在为聋人学生提供不同的技术工具来在学术背景下教授手语，并通过利用虚拟现实环境开发一个应用程序，以快速易行地创建手语的综合数据库，并利用基于人工智能的软件来准确分类和识别静态和动态手语：从字母到句子。
structured hand gesturessign languagevirtual realityteachingspanish and italian sign language recognition
发现论文，激发创造
  • 一个实时的人工智能学习手语的系统

    开发一种基于人工智能的成本效益高、资源高效和开放的技术，旨在帮助人们学习和使用手语进行交流，以促进社会的包容性。该研究分析了基于人工智能的手语解决方案，特别聚焦美国手语，取得了令人满意的初步结果，并为进一步发展奠定了基础。

    Feb, 2024

  • 利用混合现实技术进行中国手语教学

    本文提出了一种创新的教学模型，利用实时单目视觉和混合现实技术进行手语教学，实现手语语义保留和实时反馈，引入三元系统评估算法进行全面评估，构建基于场景的三维手语教室，并探索场景教学的用户体验。通过提供沉浸式学习体验、先进的姿势重建和精确的反馈，实现了用户体验和学习效果的积极反馈。

    Apr, 2024

  • 手语识别技术和算法的比较分析

    该研究比较了各种深度学习技术对手语的识别，旨在提供这一领域中最新方法和挑战的综合概述。

    May, 2023

  • 基于图像的印度手语识别：使用深度神经网络的实用综述

    该研究旨在利用计算机视觉技术和卷积神经网络，开发一种实时、基于印度手语的手语识别系统，以帮助印度的聋人和听力有障碍的人群。经过多次处理和训练，该模型的准确率达到了 99%。

    Apr, 2023

  • 使用可穿戴传感器和机器学习的手语对话翻译

    本文介绍了一个基于可穿戴设备的自动手语识别系统的概念验证，该系统通过采集动态手语的数据序列并使用机器学习方法来解释一组美国手语（ASL）动态单词。建立的模型达到了高质量的性能，如随机森林模型准确率达到了 99％，支持向量机（SVM）和两个 K 最近邻（KNN）模型准确率均为 98％，这表明了一个全面系统发展的许多可能路径。

    Dec, 2023

  • 自然语言辅助手语识别

    该论文提出了一种自然语言辅助手语识别 (NLA-SLR) 框架，利用手语词汇中的语义信息来降低手语识别中存在的视觉相似性 (VISigns) 问题。该论文设计了语言辅助标签平滑和交互式混合等技术来提高识别性能，并引入了视频关键点网络作为新型的骨干网络来获得更好的结果。实验结果表明，该方法在三个广泛采用的基准测试数据集上均达到了最先进的性能。

    Mar, 2023

  • 利用 RF 感应技术识别美国手语

    使用射频传感器网络获取美国手语数据用于机器学习，可在不侵入生活的情况下为聋人社区设计无创的远程手语识别的智能环境。

    Sep, 2020

  • 使用 Mediapipe Holistic 的印度手语识别

    通过使用卷积神经网络和 LSTM 模型进行手势和静态手语识别，研究开发了一种印度手语转换为文本或语音的文本 - 手语翻译模型，可以帮助聋人和听障人士在社交、教育和职业场境中进行更准确的交流。

    Apr, 2023

  • 弥合交流鸿沟：人工智能代理通过模仿学习手语

    通过从演示中学习，我们研究了通过获取非语言交流技能，特别是手语理解和表达方面的潜在应用，我们专注于对人工智能代理进行模仿学习，使用计算机视觉和深度学习从视频中提取信息，并使用强化学习使代理能够复制观察到的动作，这种方法消除了需要额外硬件的需求，我们成功地教授了涉及上半身（即臂和手）的 5 种不同的手势，为人工智能代理的高级沟通技能铺平了道路。

    Jun, 2024

  • 利用语言先验从视频中重建签名化身

    通过引入具有普遍适用性的新颖语言学先验，SGNify 可以从现场 SL 视频中全自动捕获手势、面部表情和身体动作，从而在学习 SL 时取代视频字典的 3D avatar 可以提高对技术和在线媒体的获取能力和 AR/VR 应用，并在 SL 视频上优于现有 3D 身体姿势和形状估计方法。

    Apr, 2023