BriefGPT - AI 论文速递
·
无手势标注的手语翻译与检索中的内容与上下文表示学习
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本论文介绍了一种名为SignCL的对比学习策略，用于改善手语翻译系统的性能。实验证明，SignCL能够显著减少表示密度，并在各种翻译框架上提高性能。与最先进的方法相比，SignCL只使用了35％的参数，并获得了更好的性能。
🎯
关键要点
- 论文介绍了一种名为SignCL的对比学习策略，用于改善手语翻译系统的性能。
- 表示密度问题是妨碍手语翻译系统性能的瓶颈。
- SignCL通过自我监督的方式改善了特征表示的可区分性。
- 实验证明，SignCL显著减少了表示密度，并在各种翻译框架上提高了性能。
- 在CSL-Daily数据集上，SignCL使得手语变形器和GFSLT-VLP的BLEU得分分别提高了39％和46％。
- SignCL在不增加模型参数的情况下，使用了基于大规模预训练视觉和语言模型的最先进方法Sign2GPT的35％的参数，并获得了更好的性能。
➡️
