本研究提出了新框架MM-GCD，解决了广义类别发现方法只适用于单模态数据的问题，并在两个数据集上取得了最先进性能。

通过无监督的神经机器翻译（UNMT）的成功，研究人员引入了一种无监督的手语翻译和生成网络（USLNet），该网络能够从丰富的单模态数据中学习，而不需要平行手语数据。实验结果表明，USLNet在手语翻译和生成方面取得了竞争性的结果。