本研究探讨了美国手语中手指拼写的自动识别，采用深度神经网络和新模型，达到了82.7%的字符识别准确率。通过引入新数据集和多任务训练方法，显著提升了识别性能，并提出了有效的手语翻译方案。

Google Research和聋人专业艺术网络发布了一个包含超过100名聋人签名者制作的超过3百万个手指拼写字符的美国手语（ASL）手势数据集。他们还推出了一个Kaggle ML竞赛，将奖励20万美元的奖金给开发使用MediaPipe和TensorFlow Lite开发最准确的ASL手指拼写识别模型的ML工程师。获胜的模型将开源，以帮助开发人员为他们的应用程序添加手指拼写支持。目标是解决聋人和听力有障碍的人的无障碍性差距，并使AI对他们更加可访问。