Core Concepts
본 연구는 골격 이미지 표현과 2D CNN을 활용하여 브라질 수화(LIBRAS)의 고립된 수화 인식을 향상시키는 방법을 제안한다.
Abstract
이 연구는 브라질 수화(LIBRAS)의 고립된 수화 인식을 위한 효율적인 방법을 제안한다. 주요 내용은 다음과 같다:
신체, 손, 얼굴 랜드마크를 추출하고 이를 2D 이미지로 인코딩하는 방법을 소개한다. 이 이미지는 공간적 및 시간적 정보를 모두 포함한다.
인코딩된 이미지를 2D CNN 모델에 입력하여 수화 클래스를 분류한다.
실험 결과, 제안 방법은 MINDS-Libras와 LIBRAS-UFOP 데이터셋에서 기존 최신 기술 대비 우수한 성능을 보였다. 특히 LIBRAS-UFOP에서 8%p 높은 정확도를 달성했다.
제안 방법은 복잡한 3D CNN 기반 다중 모달 접근법보다 단순하고 효율적이며, 실시간 적용이 용이하다는 장점이 있다.
Stats
제안 방법은 MINDS-Libras 데이터셋에서 93%의 정확도를 달성했다.
제안 방법은 LIBRAS-UFOP 데이터셋에서 82%의 정확도를 달성했다.
Quotes
"제안 방법은 복잡한 3D CNN 기반 다중 모달 접근법보다 단순하고 효율적이며, 실시간 적용이 용이하다는 장점이 있다."