論文の概要: A HamNoSys-Guided Dataset and Baselines for Fine-Grained Isolated Handshape Recognition in Sign Language

• arxiv url: http://arxiv.org/abs/2608.10588v1
• Date: Tue, 11 Aug 2026 07:16:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-12 19:14:45.947721
• Title: A HamNoSys-Guided Dataset and Baselines for Fine-Grained Isolated Handshape Recognition in Sign Language
• Title（参考訳）: 手話音声認識のためのHamNoSys-Guidedデータセットとベースライン
• Abstract要約: きめ細かい手形認識は、計算手話の書き起こし、認識、翻訳をサポートする。 本稿では,言語に依存しないハンブルク表記システム(HamNoSys)のベンチマークを紹介する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Purpose: Fine-grained handshape recognition supports computational sign-language transcription, recognition, and translation, but broad, phonetically defined visual inventories with signer-aware evaluation remain limited. This work introduces a benchmark grounded in the language-independent Hamburg Notation System (HamNoSys). Methods: A balanced dataset of 144,000 RGB images was collected from 15 participants for 160 handshape classes defined by the official HamNoSys 4 Handshapes Chart. ResNet-18 and ViT-B/16 were evaluated as appearance-based models, while a graph convolutional network and XGBoost were evaluated from hand landmarks. Both a class-stratified subject-dependent split and a 15-fold leave-one-subject-out (LOSO) protocol were used. The same model families were additionally assessed on LSWH100 and ASL Fingerspelling Dataset A for external context. Results: The subject-dependent benchmarks established reproducible reference performance across all four model families, whereas LOSO evaluation exposed a substantial reduction when recognition was required to generalise to unseen participants. On ASL Fingerspelling Dataset A, mean LOSO top-1 accuracy ranged from 82.20% to 87.40%. Conclusion: The documented acquisition, curation, and complementary evaluation protocols pro-vide a reproducible resource for fine-grained isolated-handshape research and for developing more accessible sign-language technologies.
• Abstract（参考訳）: 目的: 微粒な手形認識は手話文字の書き起こし, 認識, 翻訳をサポートするが, シグナー認識による広義の視覚的在庫は限定的である。 この研究は、言語に依存しないハンブルク表記システム(HamNoSys)のベンチマークを導入している。 方法: 公式のHamNoSys 4 Handshapes Chartで定義された160のハンドシェイプクラスに対して、15人の参加者から144,000枚のRGB画像のバランスの取れたデータセットが収集された。 ResNet-18とViT-B/16は外観モデルとして評価され、グラフ畳み込みネットワークとXGBoostはランドマークから評価された。 クラス階層化された被写体依存分割と15倍のLeft-one-subject-out(LOSO)プロトコルの両方が使用された。 同じモデルファミリがLSWH100とASL Fingerspelling Dataset Aで外部コンテキストで評価された。 結果: 対象に依存したベンチマークでは, 4つのモデル群すべてで再現可能な参照性能が得られたが, LOSO評価では, 未確認の参加者に対して認識を一般化するために必要な場合, 大幅な低下が認められた。 ASL Fingerspelling Dataset Aでは、LOSO Top-1の精度は82.20%から87.40%であった。 結論: 文書化された取得, キュレーション, 補完的評価プロトコルは, きめ細かい手形研究とよりアクセスしやすい手話技術開発のための再現可能な資源を推進している。

関連論文リスト

• RPC-Bench: A Fine-grained Benchmark for Research Paper Comprehension [65.81339691942757]
  RPC-Bench(RPC-Bench)は、高品質なコンピュータサイエンス論文のレビュー・リビューの交換から構築された大規模質問応答ベンチマークである。 我々は、科学研究の流れに沿ったきめ細かい分類を設計し、モデルがなぜ、何、どのように学術的な文脈で質問するかを理解し、答える能力を評価する。
  論文  参考訳（メタデータ） (2026-01-14T11:37:00Z)
• VGG Induced Deep Hand Sign Language Detection [0.0]
  本研究は,異なる障害者を対象とした手振り認識システムを提案する。 このモデルは、VGG-16netとして知られる畳み込みニューラルネットワークを使用して、広く使用されている画像データセット上でトレーニングされたモデルを構築する。 実験の結果, 転送学習機構と画像データ拡張を組み合わせることで, VGG-16ネットの精度は約98%であった。
  論文  参考訳（メタデータ） (2026-01-13T06:39:29Z)
• Human Cognitive Benchmarks Reveal Foundational Visual Gaps in MLLMs [65.93003087656754]
  VisFactorは、よく確立された認知心理学評価から20の視覚中心のサブテストをデジタル化するベンチマークである。 GPT、Gemini、Claude、LLaMA、Qwen、SEEDファミリーから20のフロンティアマルチモーダル言語モデル(MLLM)を評価する。 最高のパフォーマンスモデルは100点中25.19点のスコアしか得られず、精神的な回転、空間的関係推論、図形の識別といったタスクに一貫して失敗する。
  論文  参考訳（メタデータ） (2025-02-23T04:21:32Z)
• Hierarchical Windowed Graph Attention Network and a Large Scale Dataset for Isolated Indian Sign Language Recognition [0.20075899678041528]
  本稿では,骨格グラフ構造に基づく大規模孤立型ISLデータセットと新しいSL認識モデルを提案する。 このデータセットは、2002年に20人(男性10人、女性10人)の聴覚障害者が記録した聴覚障害者コミュニティで日常的に使われる一般的な単語をカバーしている。 人体上半身の骨格グラフを用いて,階層型ウィンドウドグラフ注意ネットワーク(HWGAT)というSL認識モデルを提案する。
  論文  参考訳（メタデータ） (2024-07-19T11:48:36Z)
• PenSLR: Persian end-to-end Sign Language Recognition Using Ensembling [0.953605234706973]
  Pen SLRは、IMU(Inertial Measurement Unit)とディープラーニングフレームワークによって駆動される5つのフレキシブルセンサーで構成されるグローブベースの手話システムである。 本稿では,スターアライメント(Star Alignment)と呼ばれる複数のシーケンスアライメントアルゴリズムを活用することで,新しいアンサンブル手法を提案する。 評価の結果,Pen SLRの単語精度は94.58%,96.70%であった。
  論文  参考訳（メタデータ） (2024-06-24T07:59:34Z)
• Detecting and recognizing characters in Greek papyri with YOLOv8, DeiT and SimCLR [9.7902367664742]
  本稿は、ギリシャ文字の検出・認識に関するICDAR 2023コンペティションへの参加について論じる。 我々は、YOLOv8モデルのアンサンブルを用いて個々の文字を検出し、分類し、2つの異なるアプローチを用いて文字予測を精査した。 平均精度(mAP)は51.4%であり,mAPは42.2%,検出精度(mAP)は51.4%であった。
  論文  参考訳（メタデータ） (2024-01-23T06:08:00Z)
• Telling Left from Right: Identifying Geometry-Aware Semantic Correspondence [80.6840060272386]
  本稿では,意味的対応のための幾何学的認識の重要性を明らかにする。 この情報を活用することで,意味的対応性能が著しく向上することを示す。 提案手法は,SPair-71kデータセット上で,65.4(ゼロショット)と85.6(教師)のPCK@0.10スコアを達成する。
  論文  参考訳（メタデータ） (2023-11-28T18:45:13Z)
• Handwritten Stenography Recognition and the LION Dataset [0.0]
  Stenographic Domain Knowledgeは、4つの異なるエンコーディング手法を適用することで統合される。 テストエラー率は、ステントグラフィー固有のターゲットシーケンスエンコーディングと事前トレーニングと微調整を組み合わせることで大幅に低減される。
  論文  参考訳（メタデータ） (2023-08-15T14:25:53Z)
• VisIT-Bench: A Benchmark for Vision-Language Instruction Following Inspired by Real-World Use [49.574651930395305]
  VisIT-Benchは、命令追従型視覚言語モデルの評価のためのベンチマークである。 提案データセットは592個のテストクエリからなり,それぞれに人手による指示条件付きキャプションを付与した。 人的評価と自動評価の両方を用いて,モデルと参照間の品質ギャップを定量化する。
  論文  参考訳（メタデータ） (2023-08-12T15:27:51Z)
• Gait Recognition in the Wild: A Large-scale Benchmark and NAS-based Baseline [95.88825497452716]
  歩行ベンチマークにより、研究コミュニティは高性能歩行認識システムの訓練と評価を行うことができる。 GREWは、野生における歩行認識のための最初の大規模データセットである。 SPOSGaitはNASベースの最初の歩行認識モデルである。
  論文  参考訳（メタデータ） (2022-05-05T14:57:39Z)
• Reliable Evaluations for Natural Language Inference based on a Unified Cross-dataset Benchmark [54.782397511033345]
  クラウドソースの自然言語推論(NLI)データセットは、アノテーションアーティファクトのような重大なバイアスに悩まされる可能性がある。 14のNLIデータセットと9つの広く使用されているニューラルネットワークベースのNLIモデルを再評価した、新しいクロスデータセットベンチマークを提案する。 提案した評価手法と実験ベースラインは,将来信頼性の高いNLI研究を刺激する基盤となる可能性がある。
  論文  参考訳（メタデータ） (2020-10-15T11:50:12Z)
• MOCHA: A Dataset for Training and Evaluating Generative Reading Comprehension Metrics [55.85042753772513]
  そこで本研究では,生成的読解の指標であるModeling Correctness with Humanをトレーニングし,評価するためのベンチマークを提案する。 S 我々は,MOCHAを用いて,人間の判断スコアを模倣する学習評価尺度LERCを訓練する。 最小のペアで評価すると、LERCは80%の精度でベースラインを14から26の絶対パーセンテージポイントで上回り、改善の余地は大きい。
  論文  参考訳（メタデータ） (2020-10-07T20:22:54Z)

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。