本研究探讨了紧急沟通（EC）的解读及其与自然语言（NL）的关系，采用无监督神经机器翻译技术，发现任务复杂性和语义多样性影响EC的可翻译性。尽管复杂任务使EC难以解释，但仍适合翻译。

本文提出了一种新型多模态机器翻译方法，结合机器翻译与视觉信息，发布了CoMMuTE数据集，显著提升了翻译性能。研究表明，在视觉上下文下，多模态翻译优于传统文本翻译，强调了合适数据集的重要性，并提出了一种无监督神经机器翻译方法，通过图像识别增强翻译效果。

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。