研究者提出混合框架识别印度手语
热点事件持续更新
研究者提出混合框架识别印度手语
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
研究者提出一种结构感知的混合框架，用于印度手语（ISL）的 gloss 识别，在自建的 120 类、9,453 段视频原生 ISL 数据集上达到 89.8% 准确率。 该框架用熵驱动的 SVD 采样器动态提取关键帧，以连续双位置编码搭配距离感知的 Elastic Transformer 应对不规则时间间隔，空间上则用运动学条件自适应 GCN 建模双手几何。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
混合运动学 GCN 与弹性 Transformer 实现高效印度手语识别报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.AI混合运动学 GCN 与弹性 Transformer 实现高效印度手语识别
研究者提出一种结构感知的混合框架，用于印度手语（ISL）的 gloss 识别，在自建的 120 类、9,453 段视频原生 ISL 数据集上达到 89.8% 准确率。该框架用熵驱动的 SVD 采样器动态提取关键帧，并以连续双位置编码搭配距离感知的 Elastic Transformer 应对不规则时间间隔，空间上则用运动学条件自适应 GCN 建模双手几何。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。