論文の概要: Classification in Japanese Sign Language Based on Dynamic Facial Expressions

• arxiv url: http://arxiv.org/abs/2411.06347v1
• Date: Sun, 10 Nov 2024 03:34:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-12 14:09:23.659138
• Title: Classification in Japanese Sign Language Based on Dynamic Facial Expressions
• Title（参考訳）: 動的表情に基づく日本語手話の分類
• Authors: Yui Tatsumi, Shoko Tanaka, Shunsuke Akamatsu, Takahiro Shindo, Hiroshi Watanabe,
• Abstract要約: 日本語手話(JSL)認識の研究は,データセットの欠如により限られている。 JSLでは、肯定的な文や質問などの文型は表情によって区別される。 提案手法は,ニューラルネットワークを用いて顔の特徴を分析し,文型を分類する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Sign language is a visual language expressed through hand movements and non-manual markers. Non-manual markers include facial expressions and head movements. These expressions vary across different nations. Therefore, specialized analysis methods for each sign language are necessary. However, research on Japanese Sign Language (JSL) recognition is limited due to a lack of datasets. The development of recognition models that consider both manual and non-manual features of JSL is crucial for precise and smooth communication with deaf individuals. In JSL, sentence types such as affirmative statements and questions are distinguished by facial expressions. In this paper, we propose a JSL recognition method that focuses on facial expressions. Our proposed method utilizes a neural network to analyze facial features and classify sentence types. Through the experiments, we confirm our method's effectiveness by achieving a classification accuracy of 96.05%.
• Abstract（参考訳）: 手話は手の動きと非手動のマーカーを通して表現される視覚言語である。 非手動のマーカーには表情や頭部の動きが含まれる。 これらの表現は国によって異なる。 したがって、手話ごとに専門的な分析方法が必要である。 しかし、データセットの欠如により、日本語手話認識(JSL)の研究は限られている。 JSLの手動的特徴と非手動的特徴の両方を考慮した認識モデルの開発は、聴覚障害者との正確かつ円滑なコミュニケーションに不可欠である。 JSLでは、肯定的な文や質問などの文型は表情によって区別される。 本稿では,表情に着目したJSL認識手法を提案する。 提案手法は,ニューラルネットワークを用いて顔の特徴を分析し,文型を分類する。 実験により,96.05%の分類精度を達成し,本手法の有効性を確認した。

関連論文リスト

• Empowering Sign Language Communication: Integrating Sentiment and Semantics for Facial Expression Synthesis [0.7223509567556217]
  本稿では,手話のための表情合成に焦点をあてた新しい手法を提案する。 我々の目標は、表情生成に感情情報を統合することで手話生成を改善することである。
  論文  参考訳（メタデータ） (2024-08-27T15:55:18Z)
• 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)
• Sign Language Recognition Based On Facial Expression and Hand Skeleton [2.5879170041667523]
  我々は手と表情の骨格的特徴を統合した手話認識ネットワークを提案する。 表情情報を取り入れることで、手話認識の精度と堅牢性が向上する。
  論文  参考訳（メタデータ） (2024-07-02T13:02:51Z)
• Neural Sign Actors: A diffusion model for 3D sign language production from text [51.81647203840081]
  手話 (SL) は難聴者および難聴者コミュニティの主要なコミュニケーション手段である。 この研究は、現実的なニューラルサインアバターに向けて重要な一歩を踏み出し、聴覚と聴覚のコミュニティ間のコミュニケーションギャップを埋める。
  論文  参考訳（メタデータ） (2023-12-05T12:04:34Z)
• Sign Languague Recognition without frame-sequencing constraints: A proof of concept on the Argentinian Sign Language [42.27617228521691]
  本稿では,様々な特徴量に基づいてサブ分類器を結合した手話分類のための一般化確率モデルを提案する。 提案したモデルは、アルゼンチン手話データセットで97%の精度を達成した。
  論文  参考訳（メタデータ） (2023-10-26T14:47:11Z)
• Self-Evolution Learning for Discriminative Language Model Pretraining [103.57103957631067]
  自己進化学習(Self-Evolution Learning、SE)は、単純で効果的なトークンマスキングと学習方法である。 SEは情報的だが未探索のトークンを学習することに集中し、新しいToken固有のラベル平滑化アプローチを導入してトレーニングを適応的に調整する。
  論文  参考訳（メタデータ） (2023-05-24T16:00:54Z)
• CIAO! A Contrastive Adaptation Mechanism for Non-Universal Facial Expression Recognition [80.07590100872548]
  本稿では、顔エンコーダの最後の層に異なるデータセットの特定の感情特性を適応させるメカニズムであるContrastive Inhibitory Adaptati On(CIAO)を提案する。 CIAOは、非常にユニークな感情表現を持つ6つの異なるデータセットに対して、表情認識性能が改善されている。
  論文  参考訳（メタデータ） (2022-08-10T15:46:05Z)
• 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)
• Transferring Cross-domain Knowledge for Video Sign Language Recognition [103.9216648495958]
  単語レベルの手話認識(WSLR)は手話解釈の基本課題である。 ドメイン不変の視覚概念を学習し、サブタイトルのニュースサインの知識を伝達することでWSLRモデルを肥大化させる新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-03-08T03:05:21Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。