Core Concepts
이 논문은 모터 주의 메커니즘과 프레임 수준 셀프 디스틸레이션을 활용하여 연속적인 수화 인식을 개선하는 새로운 모델을 제안합니다.
Abstract
얼굴 표정, 머리 움직임, 몸의 움직임 및 제스처 움직임의 변화가 수화 인식에서 중요한 신호임을 강조합니다.
모터 주의 메커니즘 모듈은 연속적인 수화 비디오에서 인접한 프레임의 픽셀을 가중 합산하여 동적 모션 정보를 강화합니다.
프레임 수준 셀프 디스틸레이션 기술은 연속적인 수화의 프레임 수준 특징 추출을 개선하여 모델의 성능과 견고성을 향상시킵니다.
실험 결과는 제안된 방법이 수화 동작 정보를 효과적으로 추출하고 인식 정확도를 향상시키며 최신 기술 수준에 도달한다는 것을 보여줍니다.
Stats
이 논문은 3개의 대형 공개 데이터셋인 RWTH, RWTH-T 및 CSL-Daily에서 실험을 수행합니다.
Quotes
"모터 주의 메커니즘 모듈은 동적 모션 정보를 강화하기 위해 연속적인 수화 비디오의 인접 프레임의 픽셀을 가중 합산합니다."
"프레임 수준 셀프 디스틸레이션 기술은 연속적인 수화의 프레임 수준 특징 추출을 개선하여 모델의 성능과 견고성을 향상시킵니다."