BriefGPT - AI 论文速递
·
基于变换器的词级孟加拉手语识别：相对量化编码方法
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了BdSLW401数据集，包含401个手势和102,176个视频样本，旨在解决孟加拉手语识别中的变异和数据集限制。通过相对量化编码（RQE）显著提升了识别效果。
🎯
关键要点
- 提出了BdSLW401数据集，包含401个手势和102,176个视频样本。
- 旨在解决孟加拉手语识别中的说话者变异、视角变化和有限注释数据集的挑战。
- 引入相对量化编码（RQE），显著提高了基于变换器的手语识别效果。
- RQE方法通过降低空间变异性，提升了模型的解释性。
- 在多个测试集上实现了显著的识别率提升。
➡️
