인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2024.7
- 수록면
- 816 - 824 (9page)
- DOI
- 10.9717/kmms.2024.27.7.816
이용수
초록· 키워드
Existing sign language translation research has improved performance by utilizing glosses in sign language datasets. However, due to the limitations of manually annotating glosses, gloss-free models have been proposed. Since these approaches do not teach glosses in a supervised manner, the model must infer glosses indirectly by utilizing spatially detailed information. However, previous studies have been limited by their inability to provide three-dimensional information of real-world space. To tackle this issue, we propose Depth-GASLT, a new architecture that estimates depth information from 2D sign language images and incorporates it to reflect three-dimensional position of the hands. Our method leverages depth information to enhance the translation process by accurately capturing the spatial nuances of hand movements in sign language. To demonstrate the effectiveness of our method, we conduct experiments on the PHEONIX-14 dataset and show that our method outperform the baseline model by 0.45 points based on the BLEU-4 score. In addition, the combining experiment showed that the element-wise combining method was effective. The results emphasize the significance of three-dimensional information in sign language translation, and are expected to contribute as a basis for effectively reflecting it.
상세정보 수정요청해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
목차
- ABSTRACT
- 1. 서론
- 2. 관련 연구
- 3. 방법론
- 4. 실험 결과 및 고찰
- 5. 결론
- REFERENCE
참고문헌
참고문헌 신청최근 본 자료
UCI(KEPA) : I410-151-24-02-090334093
