本研究开发了一种伪注释管道，利用手语视频和英语生成可能的注释，包括时间间隔和手势分类。通过建立基线模型，取得了在手语数据集上的最佳表现。专业翻译人员为ASL STEM Wiki的近500个视频进行了注释，并发布了300小时的伪注释数据，以支持手语生成系统的改进。

本文介绍了一种对比姿态-肌电预训练（CPEP）框架，旨在提升基于肌电信号的手势分类性能。通过对低质量数据与高质量数据的对齐，CPEP提高了表示质量，实现了零样本分类。实验结果显示，该模型在已知手势分类上提高了21%，在未知手势分类上提高了72%。