Fugu-MT 論文翻訳(概要): Towards A Sign Language Gloss Representation Of Modern Standard Arabic

論文の概要: Towards A Sign Language Gloss Representation Of Modern Standard Arabic

arxiv url: http://arxiv.org/abs/2005.01497v1
Date: Mon, 4 May 2020 13:56:43 GMT
ステータス: 処理完了
システム内更新日: 2022-12-07 00:46:06.545637
Title: Towards A Sign Language Gloss Representation Of Modern Standard Arabic
Title（参考訳）: 現代標準アラビア語の記号言語グロス表現を目指して
Authors: Salma El Anigri, Mohammed Majid Himmi, Abdelhak Mahmoudi
Abstract要約: 世界の人口の5%以上(4億6600万人)が難聴を負っている。世界中の聴覚障害者は、手と表情の両方のジェスチャーで手話を使ってコミュニケーションをとることが多い。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Over 5% of the world's population (466 million people) has disabling hearing loss. 4 million are children. They can be hard of hearing or deaf. Deaf people mostly have profound hearing loss. Which implies very little or no hearing. Over the world, deaf people often communicate using a sign language with gestures of both hands and facial expressions. The sign language is a full-fledged natural language with its own grammar and lexicon. Therefore, there is a need for translation models from and to sign languages. In this work, we are interested in the translation of Modern Standard Arabic(MSAr) into sign language. We generated a gloss representation from MSAr that extracts the features mandatory for the generation of animation signs. Our approach locates the most pertinent features that maintain the meaning of the input Arabic sentence.
Abstract（参考訳）: 世界の人口の5%以上(4億6600万人)が聴覚障害を患っている。 400万人が子供です聴覚障害や聴覚障害に悩まされることがある。難聴者の多くは難聴者である。ほとんど、あるいは全く聴力がないことを意味します。世界中で、聴覚障害者は手話を使って手と表情の両方のジェスチャーでコミュニケーションすることが多い。手話言語は、独自の文法と語彙を持つ本格的な自然言語である。したがって、言語からの翻訳モデルと手話への翻訳モデルが必要である。本研究では,現代標準アラビア語(msar)を手話に翻訳することに関心を持っている。我々は,アニメーション記号生成に必須な特徴を抽出したmsarから光沢表現を作成した。提案手法は,入力アラビア語文の意味を維持する最も重要な特徴を同定する。

関連論文リスト

Signs as Tokens: An Autoregressive Multilingual Sign Language Generator [55.94334001112357]
テキスト入力から3Dサインアバターを自動回帰的に生成できる多言語手話モデルSigns as Tokens(SOKE)を導入する。我々は,手話とLMを整合させるために,連続する記号を様々な身体部分を表すトークン列に識別する切り離されたトークン化器を開発した。これらのサイントークンは、LMの生のテキスト語彙に統合され、手話データセットの教師付き微調整を可能にする。
論文参考訳（メタデータ） (2024-11-26T18:28:09Z)
Continuous Sign Language Recognition System using Deep Learning with MediaPipe Holistic [1.9874264019909988]
手話はコミュニケーションに視覚を使う聴覚障害者の言語である。アメリカ手話(ASL)、中国手話(CSL)、インド手話(ISL)など、世界中で約300の手話が実践されている。
論文参考訳（メタデータ） (2024-11-07T08:19:39Z)
Scaling up Multimodal Pre-training for Sign Language Understanding [96.17753464544604]
手話は、難聴者コミュニティにとってコミュニケーションの主要な意味である。難聴者と聴覚者のコミュニケーションを容易にするために,手話理解(SLU)タスクのシリーズが研究されている。これらの課題は、多様な視点から手話のトピックを調査し、手話ビデオの効果的な表現を学ぶ上での課題を提起する。
論文参考訳（メタデータ） (2024-08-16T06:04:25Z)
Image-based Indian Sign Language Recognition: A Practical Review using Deep Neural Networks [0.0]
このモデルは、手話をテキストに変換するリアルタイムな単語レベル手話認識システムを開発することを目的としている。この分析のために、ユーザはWebカメラを使って手の動きの写真を撮らなければならない。我々のモデルは畳み込みニューラルネットワーク(CNN)を用いて訓練され、画像の認識に使用される。
論文参考訳（メタデータ） (2023-04-28T09:27:04Z)
Indian Sign Language Recognition Using Mediapipe Holistic [0.0]
インド手話をテキストや音声に変換するために,手話認識のための堅牢なシステムを構築する。サイン言語に依存した聴覚障害と難聴者のコミュニケーション能力を高めるため、テキスト・ツー・サイン言語パラダイムの作成が不可欠である。
論文参考訳（メタデータ） (2023-04-20T12:25:47Z)
Multilingual Communication System with Deaf Individuals Utilizing Natural and Visual Languages [12.369283590206628]
我々は,手話利用者のコミュニケーション効率を向上させるために,MUGCATという新しい多言語通信システムを提案する。我々のMUGCATシステムは、認識された特定の手の動きを表現力のある画像に変換することで、聴覚障害者が自分の思考を伝えるのに大いに役立ちます。
論文参考訳（メタデータ） (2022-12-01T06:43:44Z)
All You Need In Sign Language Production [50.3955314892191]
言語認識と生産のサインは、いくつかの重要な課題に対処する必要があります。本稿では,難聴文化,難聴センター,手話の心理的視点について紹介する。また、SLPのバックボーンアーキテクチャや手法を簡潔に紹介し、SLPの分類について提案する。
論文参考訳（メタデータ） (2022-01-05T13:45:09Z)
Sign Language Recognition System using TensorFlow Object Detection API [0.0]
本稿では,Webカメラを用いてインド手話データセットを作成し,次に移動学習を用いて,リアルタイム手話認識システムを構築するためのモデルを訓練する手法を提案する。システムは、限られたサイズのデータセットであっても、良好な精度を達成する。
論文参考訳（メタデータ） (2022-01-05T07:13:03Z)
Sign Language Production: A Review [51.07720650677784]
手話 (Sign Language) は、聴覚障害と聴覚障害のコミュニティで使われるコミュニケーション言語である。聴覚障害者と聴覚コミュニティのコミュニケーションを容易かつ相互に行うためには、話し言葉を手話に翻訳できる堅牢なシステムを構築することが不可欠です。そのために、手話認識と生産は、このような双方向システムを作るのに必要な2つの部分です。
論文参考訳（メタデータ） (2021-03-29T19:38:22Z)
Skeleton Based Sign Language Recognition Using Whole-body Keypoints [71.97020373520922]
手話は聴覚障害者や言語障害者のコミュニケーションに使用される。また,RGB-D法と組み合わせて最先端の性能を実現することで,Skeletonに基づく音声認識が普及しつつある。近年のボディポーズ推定用citejin 2020wholeの開発に触発されて,全身キーポイントと特徴に基づく手話認識を提案する。
論文参考訳（メタデータ） (2021-03-16T03:38:17Z)
Speaker Independent and Multilingual/Mixlingual Speech-Driven Talking Head Generation Using Phonetic Posteriorgrams [58.617181880383605]
そこで本研究では,音声後部グラフを用いた新しい手法を提案する。我々の手法は手作りの特徴を必要とせず、近年の手法に比べてノイズに強い。本モデルは,複数言語/混合言語音声を説得力のある入力としてサポートした最初のモデルである。
論文参考訳（メタデータ） (2020-06-20T16:32:43Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。