本研究提出了一种名为SSLR的半监督学习方法，旨在解决手语识别系统中标注数据稀缺的问题。通过为未标注样本生成伪标签，SSLR在使用较少标注数据的情况下，性能超过全监督学习模型，显示出在手语识别领域的潜力。

本文提出了BdSLW401，一个包含401个手势和102,176个视频样本的孟加拉手语数据集，以解决手语识别中的说话者变异和视角变化问题。通过引入相对量化编码（RQE），显著提升了基于变换器的手语识别效果，增强了模型的解释性和识别率。

本研究通过集成学习和多维视频Swin Transformer模型，解决了传统孤立手语识别中视角单一的问题，提升了模型在不同视角下的鲁棒性和泛化能力，并在相关比赛中获得第三名。

本文介绍了多个手语数据集及其相关研究，包括美国手语和英国手语的数据集，提出了基于姿态的手语识别模型和方法，探讨了手语处理的自动化技术及其在手语识别中的应用，旨在推动手语技术的发展和研究。

本研究提出了一种基于深度学习的手语识别系统，旨在解决听障人士沟通中的手语熟悉度不足问题。该系统采用LSTM模型和MediaPipe Holistic技术，能够实时识别手语动作，并在印地语手语数据集上实现了88.23%的识别准确率，具有广泛的应用前景。

本研究结合深度学习、迁移学习和变压器模型，提高了阿拉伯字母手语识别的准确性，在两个数据集上实现了99.6%的识别精度，为阿拉伯语听障人士提供了更好的沟通方式。

本文构建了一个包含5,988个日常生活场景的视频片段的中文连续手语数据集（CE-CSL），旨在解决现有数据集缺乏多样性的问题。同时，提出了一种新的时间-频率网络（TFNet）模型，显著提升了复杂背景下的手语识别性能。

本文介绍了美国手语单词语义数据集（WLASL）及其在手语识别中的应用，提出了一种基于姿态的时态图卷积网络（Pose-TGCN）方法，以提高手语识别的准确性和效率。同时，研究回顾了深度学习在手语制作中的进展与挑战，并探讨了未来的研究方向。

本文介绍了OpenHands库在手语识别中的应用，重点包括姿势提取、孤立手语模型训练和自我监督预训练。研究强调跨学科合作和手语使用者参与的重要性，并探讨非语言线索在自然语言处理中的作用。提出了改进手语生成和翻译的方法，包括使用深度学习模型和新评估标准SignBLEU，以提升手语翻译的质量和准确性。

本文介绍了多个手语数据集及其相关研究，包括美国手语、土耳其手语和孟加拉手语。研究者们开发了基于深度学习的手语识别模型，提高了识别准确率，并提供了新的数据集以促进手语技术的发展。这些研究为手语识别领域提供了重要的基准和方法。

本文研究了美国手语中指拼字母的识别，提出了一种基于深度神经网络的半马尔可夫条件随机场模型，取得了较高的字母识别准确率。同时，探讨了知识蒸馏在不同任务中的应用，提升了人脸识别、目标检测和动作识别的性能，尤其在数据稀缺情况下表现突出。

该研究探讨了手语识别和翻译的进展，提出了自动化数据提取和新数据集构建的方法，推动了手语识别模型的性能提升。研究分析了手语处理任务的挑战，介绍了多种手语翻译模型及其应用，强调了促进听障人士交流的重要性。

本文提出了多种手语识别和翻译的新方法，包括对比视觉-文本转换（CVT-SLR）、交叉检索、GASLT模型和无语言标注的手语翻译框架Sign2GPT。这些方法通过自监督学习和预训练技术，显著提升了手语翻译的性能和准确性，推动了该领域的发展。

本文介绍了美国手语单词语义数据集及其相关研究，提出了一种基于姿态的时态图卷积网络（Pose-TGCN）方法，以提高手语识别的准确性和效率。研究探讨了深度学习在手语识别中的应用，比较了不同技术的效果，并开发了实时手语识别系统，以帮助聋人群体。

该研究提出了一种新型骨骼感知多模态框架，以提高手语识别的准确率。实验结果表明，该框架在多个数据集上表现优异，尤其在手语识别挑战赛中取得了突出成绩。

本文研究通过SPOT-ALIGN框架改善印式手语的检索与识别，利用How2Sign数据集和交叉模态嵌入技术解决标注数据不足的问题，并提出新方法和模型以提高手语识别的准确性和效率。

本文介绍了多种基于CLIP的视觉语言模型创新方法，如AdaptSign、CLIP2Video、RankCLIP和SpeechCLIP。这些方法在手语识别、视频文本检索和对比学习等任务中表现优异，显著提升了模型的性能和准确性，尤其在零样本学习和多模态数据处理方面取得了重要进展。

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。

本文介绍了一种基于混合CTC/注意力模型的ResNet-18和Conformer，显著提升了语音识别的准确性。通过引入AdaptSign和CSLR2模型，在连续手语识别和手语检索中取得了优异表现，并利用多语种手语数据集提升识别能力。此外，Conformer模型在LibriSpeech基准测试中超越传统模型，展示了在语音识别和分离任务中的潜力。

该研究利用多语种手语语料库和多模态数据，提出了多种新框架以提高连续手语识别的准确性和性能。实验结果表明，这些方法在多个数据集上取得了领先成果，推动了手语识别和翻译技术的发展。