ACLJun, 2024

美国手语手势反映了沟通效率的压力

PDF
TL;DR通过比较美国手语（ASL）和英语中使用的手形，该研究表明频繁使用的手形更容易产生，且沟通效率的压力主要来自 ASL 的使用，而非英语的借用。
communicative efficiencylinguisticscognitive scienceamerican sign language (asl)handshapes
发现论文，激发创造
  • 走向现实世界中的美国手语处理：数据、任务和方法

    这篇论文研究了自然环境下手语的自动处理，包括手指拼写、手势识别和手语翻译，并提出了新的数据集、任务和方法。

    Aug, 2023

  • 面向美国手语的基于语言的计算机手势识别的挑战

    电脑识别视频中孤立符号存在着一些困难，其中包括手语者之间的口头和非口头的同步变化以及特定符号的实现中存在的社会语言学变化。本文概述了这些挑战，并基于大规模的语言学注释视频数据的发现，对美国手语的符号结构中的某些规律进行了讨论。

    Nov, 2023

  • EdGCon：基于词汇属性的基本形象评分自动分配器，以协助生成技术手势

    使用 ASL-LEX 词库，结合三项 ASL 子词汇属性的自动化识别方法，通过分析技术手势的符号性和它们与其他手势的关联性，研究了使用相似表达方式的手势与 Deaf and Hard of Hearing Group 之间的认知障碍。

    Jun, 2023

  • 利用音韵学提高符号识别效果

    通过将语音学应用于手语产生过程中，训练出的模型预测手势及其语音学特征，从而实现对独立手语识别（ISLR）的模型训练，提高了在 WLASL 基准测试上的手势识别准确性达到了近 9% 的绝对增益，帮助缩小聋听者之间的沟通鸿沟。

    Feb, 2023

  • 手语产生过程评论

    本研究综述了深度学习在手语制作和相关领域上的最新进展以及所面临的挑战、优势、限制和未来研究方向。

    Mar, 2021

  • 手语中的语音参数分类

    该研究使用姿态估计模型生成多个数据集，并使用这些数据集训练 Fast R-CNN 模型以支持多标签建模。我们证明了在识别手语语音参数时有显着的合作依赖性，为了实现更好的性能，我们在模型中结合了这种合作依赖性。

    May, 2022

  • SignMusketeers：大规模手语翻译的高效多流方法

    基于影像及语言学特性，本研究提出了一种有效且高效的学习手语表示的方法，专注于手势视频中的脸部、手部和身体姿态，并通过自监督学习的方式学习手语中复杂的手形和丰富的面部表情，实现对手语翻译的新突破。

    Jun, 2024

  • 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

  • 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

  • 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