本文探讨了手语识别技术的最新进展，重点介绍了连续手语识别（CSLR）和孤立手语识别（ISLR）方法。研究表明，关键点规范化、图卷积网络和多模态特征融合等技术显著提高了识别准确率，并在多个数据集上验证了其有效性。这些成果对低资源手语语言的研究具有重要意义。

本文研究了孤立手语识别（ISLR）的自监督学习方法，通过四种基于Transformer的方法和四种预训练数据方案在WLASL2000数据集上的组合进行了深入分析。发现MaskFeat在WLASL2000数据集上的准确率达到79.02％，证明了这些模型产生ASL手势表示的能力。同时强调了架构和预训练任务选择在ISLR中的重要性，特别是在WLASL2000数据集上验证了掩码重构预训练的强大性能和层次视觉Transformer在手语表示中的重要性。