論文の概要: LA-Sign: Looped Transformers with Geometry-aware Alignment for Skeleton-based Sign Language Recognition

• arxiv url: http://arxiv.org/abs/2603.29057v1
• Date: Mon, 30 Mar 2026 22:49:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-01 15:25:02.936141
• Title: LA-Sign: Looped Transformers with Geometry-aware Alignment for Skeleton-based Sign Language Recognition
• Title（参考訳）: LA符号:スケルトンに基づく手話認識のための幾何学的アライメントを有するループ変換器
• Authors: Muxin Pu, Mei Kuan Lim, Chun Yong Chong, Chen Change Loy,
• Abstract要約: LA-Signは、手話認識のための幾何学的アライメントを備えたループ変換フレームワークである。 LA-Sign は,個々の層を減らしながら最先端の結果が得られることを示す。
• 参考スコア（独自算出の注目度）: 47.469519895247366
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Skeleton-based isolated sign language recognition (ISLR) demands fine-grained understanding of articulated motion across multiple spatial scales, from subtle finger movements to global body dynamics. Existing approaches typically rely on deep feed-forward architectures, which increase model capacity but lack mechanisms for recurrent refinement and structured representation. We propose LA-Sign, a looped transformer framework with geometry-aware alignment for ISLR. Instead of stacking deeper layers, LA-Sign derives its depth from recurrence, repeatedly revisiting latent representations to progressively refine motion understanding under shared parameters. To further regularise this refinement process, we present a geometry-aware contrastive objective that projects skeletal and textual features into an adaptive hyperbolic space, encouraging multi-scale semantic organisation. We study three looping designs and multiple geometric manifolds, demonstrating that encoder-decoder looping combined with adaptive Poincare alignment yields the strongest performance. Extensive experiments on WLASL and MSASL benchmarks show that LA-Sign achieves state-of-the-art results while using fewer unique layers, highlighting the effectiveness of recurrent latent refinement and geometry-aware representation learning for sign language recognition.
• Abstract（参考訳）: スケルトンをベースとした孤立手話認識(ISLR)は、微妙な指の動きから大域的な身体力学に至るまで、複数の空間スケールにわたる関節運動のきめ細かい理解を要求する。 既存のアプローチは、モデルキャパシティを増加させるが、リカレントリファインメントと構造化表現のメカニズムが欠如しているディープフィードフォワードアーキテクチャに依存している。 我々はISLRのための幾何学的アライメントを備えたループ変換器フレームワークであるLA-Signを提案する。 LA-Signはより深い層を積み重ねる代わりに、再帰から深度を導き、繰り返し潜在表現を再考して、共有パラメータの下での運動理解を段階的に洗練する。 この改良プロセスをさらに規則化するために、骨格的特徴とテキスト的特徴を適応的な双曲空間に投影し、マルチスケールな意味的組織を奨励する幾何学的比較対象を提案する。 3つのループ設計と複数の幾何多様体について検討し、エンコーダ・デコーダループと適応ポインケアアライメントを組み合わせることで、最も高い性能が得られることを示した。 WLASL と MSASL ベンチマークの大規模な実験により、LA-Sign は、より少ない固有の層を使用しながら、最先端の結果を達成することが示され、手話認識における繰り返し潜時改善と幾何認識表現学習の有効性が強調された。

関連論文リスト

• Towards Foundation Models for 3D Scene Understanding: Instance-Aware Self-Supervised Learning for Point Clouds [53.82500407523346]
  PointINSは、幾何学的学習を通じてポイントクラウド表現を豊かにする、インスタンス指向の自己組織化フレームワークである。 PointINSは、屋内のインスタンスセグメンテーションで平均+3.5%のmAP改善、屋外のパン光学セグメンテーションで+4.1%のPQゲインを達成している。
  論文  参考訳（メタデータ） (2026-03-26T08:31:06Z)
• SignSparK: Efficient Multilingual Sign Language Production via Sparse Keyframe Learning [54.232148007248874]
  現在の手話生産(SLP)フレームワークは、まさにトレードオフに直面している。 本研究では,スペースを利用した新たなトレーニングパラダイムを提案し,人間の署名の真の基盤となる分布を捉える。 これらの離散的なアンカーから高密度な動きを予測することにより、流体の調音を確実にしながら、回帰から平均への移動を緩和する。
  論文  参考訳（メタデータ） (2026-03-11T06:02:36Z)
• Entropy-Aware Structural Alignment for Zero-Shot Handwritten Chinese Character Recognition [7.632962062462334]
  ゼロショット手書き漢字認識は、急進的な意味合成を活用することで、目に見えない文字を認識することを目的としている。 本稿では,情報理論モデリングにより視覚と意味のギャップを埋めるエントロピー対応構造アライメントネットワークを提案する。 ICDAR 2013データセットで55.04%の精度を達成し,新しい最先端性能を実現する。
  論文  参考訳（メタデータ） (2026-02-03T16:08:40Z)
• Learning Sparse Visual Representations via Spatial-Semantic Factorization [37.169502692169196]
  自己教師付き学習(SSL)は、意味理解と画像再構成の根本的な対立に直面している。 本稿では,視覚的特徴を意味概念とその空間分布の低ランクな製品に分解するフレームワークSTELLARを紹介する。 この分解された形の下で16個のスパーストークンが同時に高品質な再構成(2.60 FID)をサポートし、高密度バックボーンのセマンティック性能(79.10% ImageNet精度)に適合することを示す。
  論文  参考訳（メタデータ） (2026-02-02T10:12:17Z)
• GeoMotionGPT: Geometry-Aligned Motion Understanding with Large Language Models [23.159388800893964]
  両モジュラリティが統一幾何基底を共有する場合、アライメントが最も効果的であると主張する。 我々は、Gumbel-Softmaxを用いたデコーダのみの量子化器を用いて、微分可能なトレーニングとバランスの取れたコードブックの使用について検討する。 我々のフレームワークは現在の最先端手法よりも20%の性能向上を実現している。
  論文  参考訳（メタデータ） (2026-01-12T15:14:29Z)
• Steered Generation via Gradient Descent on Sparse Features [1.534667887016089]
  クエリ埋め込みのスパース表現を学習するために、スパースオートエンコーダを訓練することにより、大言語モデル(LLM)の内部構造を変更する。 このスパース表現の操作は、出力を異なるスタイル的および認知的目標に向けて効果的に変換することを実証する。
  論文  参考訳（メタデータ） (2025-02-25T21:06:14Z)
• Multi-Modal Zero-Shot Sign Language Recognition [51.07720650677784]
  マルチモーダルなゼロショット手話認識モデルを提案する。 C3DモデルとともにTransformerベースのモデルを使用して手の検出と深い特徴抽出を行う。 意味空間は、視覚的特徴をクラスラベルの言語的な埋め込みにマッピングするために使用される。
  論文  参考訳（メタデータ） (2021-09-02T09:10:39Z)

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。