文献

J-GLOBAL ID：202102217248068774   整理番号：21A0005948

多重情報空間対数時間LSTM融合連続手話ニューラル機械翻訳【JST・京大機械翻訳】

Multi-Information Spatial-Temporal LSTM Fusion Continuous Sign Language Neural Machine Translation

著者 (4件)： Xiao Qinkun (Department of Electronics Information and Engineering, Xi’an Technological University, Xi’an, China) ,  Chang Xin (Department of Electronics Information and Engineering, Xi’an Technological University, Xi’an, China) ,  Zhang Xue (Department of Electronics Information and Engineering, Xi’an Technological University, Xi’an, China) ,  Liu Xing (Department of Electronics Information and Engineering, Xi’an Technological University, Xi’an, China)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 216718-216728  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： サイン言語認識(SLR)には2つの基本的問題がある:(a)孤立語SLRと(b)連続SLR。既存の連続SLR法の大部分は,孤立語SLR法の拡張である。これらの方法は,基本モジュールとして分離単語SLR結果を使用して,文章セグメンテーションと単語アラインメントを通して文章認識結果を得る。しかしながら,文章セグメンテーションと単語アラインメントはしばしば正確でなく,低い文章認識精度をもたらす。同時に,連続SLRは通常厳密なサンプルラベルを必要とし,手動ラベリングの困難な作業と限られた訓練データアベイラビリティをもたらす。これらの課題に取り組むために,本論文では,連続SLRのための双方向空間四角形時間LSTM融合注意ネットワーク(Bi-ST-LSTM-A)を提案した。この手法は,文章セグメンテーション,単語アラインメント,および退屈な手動ラベリングのような問題を回避する。著者らの貢献を以下の通りまとめた。(1)畳み込みニューラルネットワーク(CNN)と時空間LSTM(ST-LSTM)情報融合技術を用いた符号言語ビデオ特徴表現法を提案した。(2)非特異的環境における非特異的人々の複雑な連続SLRとジェスチャ認識に使用できる均一ニューラルマシン翻訳フレームワークを構築した。実験を,いくつかの大規模連続符号言語データセットで行った。サイン言語認識精度は,500CSLデータセットで81.22%,RWTH-PHOENIX-Weatherデータセットで76.12%,RWTH-PHOENIX-Weaher-2014Tデータセットで75.32%に達し,それによって,提案フレームワークの有効性を示した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アラインメント ,  言語 ,  セグメンテーション ,  ネットワーク ,  アベイラビリティ ,  *多重化 ,  録画装置 ,  *対数 ,  有効性 ,  *手話 ,  単語
準シソーラス用語： 訓練データ ,  ジェスチャー認識 ,  認識精度 ,  言語認識 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  自然語処理  (JE06000L)

タイトルに関連する用語 (6件)： 多重 ,  情報空間 ,  LSTM ,  融合 ,  手話 ,  ニューラル機械翻訳