A Transformer-Based Contrastive Learning Approach for Few-Shot Sign Language Recognition 単眼画像または2Dポーズのシーケンスからの手話認識は、2Dデータから3D情報を推測するのが難しいだけでなく、情報のシーケンス間の時間的関係のために、挑戦的な分野です。さらに、多種多様な標識と、実稼働環境で新しい標識を追加する必要性が絶えずあるため、従来の分類手法を使用することは不可能です。ボディキーポイントシーケンスから豊富な表現を学習し、ベクトル埋め込み間のより良い比較を可能にすることを実証する、新しい対照トランスフォーマーベースのモデルを提案します。これにより、これらの手法を適用して、分類や翻訳などのワンショットまたは数ショットのタスクを実行できます。実験は、モデルがうまく一般化でき、トレーニングプロセスでは見
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く