論文の概要: Investigating Temporal Motion Features for Pose-to-Text Indian Sign Language Translation

• arxiv url: http://arxiv.org/abs/2609.12993v1
• Date: Fri, 11 Sep 2026 15:55:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-15 07:38:31.799144
• Title: Investigating Temporal Motion Features for Pose-to-Text Indian Sign Language Translation
• Title（参考訳）: 詩とテキストによるインド手話翻訳のための時間的運動特徴の検討
• Abstract要約: インド手話翻訳(SLT)における事前訓練されたT5モデルスケールと明示的な動作特徴の影響について検討する。 我々は、T5-small、T5-base、T5-largeを比較し、入力表現に明示的なフレーム間ポーズの差を加えるモーション拡張版であるT5-small + Motionを導入する。 運動特徴を有するT5小径の増大は、我々の研究で観測された最大の単一改善となり、空間のみのベースラインよりもBLEUを著しく改善し、この測定値で全体で最強のモデルとなった。
• 参考スコア（独自算出の注目度）: 3.3824609482248023
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We investigate the effect of pretrained T5 model scale and explicit motion features on pose-to-text Indian Sign Language Translation (SLT) for the WSLP 2026 Shared Task. Pose sequences are projected into the embedding space of T5 through a lightweight pose encoder, with the complete model fine-tuned to generate English text. The shared task data used for this work consists of a test set with 5,334 examples and a validation set with 5,257 examples. We compare T5-small, T5-base, and T5-large, and additionally introduce a motion-augmented variant, T5-small + Motion, that adds explicit frame-to-frame pose differences to the input representation. T5-small achieves the best BLEU and ROUGE scores among the spatial-only models, while T5-large obtains the highest chrF score. Augmenting T5-small with motion features yields the largest single improvement observed in our study, substantially improving BLEU over the spatial-only baseline and making it the strongest model overall on this metric. Our submitted system ranked 5th on the official WSLP 2026 SLT testing leaderboard. The source code and trained models are publicly available on GitHub and HuggingFace.
• Abstract（参考訳）: 本研究は,WSLP 2026共有タスクにおける,事前訓練されたT5モデルスケールと明示的な動作特徴が,ポーズからテキストへのインド手話翻訳(SLT)に与える影響について検討する。 詩列は軽量なポーズエンコーダを通じてT5の埋め込み空間に投影され、完全なモデルを微調整して英語のテキストを生成する。 この作業で使用される共有タスクデータは、5,334例のテストセットと、5,257例の検証セットで構成される。 我々は、T5-small、T5-base、T5-largeを比較し、さらに、入力表現に明示的なフレーム間ポーズの差を追加するモーション拡張版であるT5-small + Motionを導入する。 T5-smallは空間のみのモデルの中で最高のBLEUとROUGEスコアを達成し、T5-largeは最も高いchrFスコアを得る。 運動特徴を有するT5小径の増大は、我々の研究で観測された最大の単一改善となり、空間のみのベースラインよりもBLEUを大幅に改善し、この測定値で全体最強のモデルとなった。 提案システムはWSLP 2026 SLTテストリーダーボードで5位にランクインした。 ソースコードとトレーニングされたモデルは、GitHubとHuggingFaceで公開されている。

関連論文リスト

• nanoT5: A PyTorch Framework for Pre-training and Fine-tuning T5-style Models with Limited Resources [1.9813574408340644]
  我々はT5モデルの効率的な事前学習と微調整のためのフレームワークであるNanoT5を提案する。 NanoT5では、T5-Baseモデルをたった16時間で1つのGPU上で事前トレーニングすることが可能で、パフォーマンスが損なわれることはない。 コントリビューション、洞察、事前トレーニングされたモデルなど、私たちのコントリビューションは、一般向けに公開しています。
  論文  参考訳（メタデータ） (2023-09-05T16:35:41Z)
• idT5: Indonesian Version of Multilingual T5 Transformer [0.0]
  インドネシア語は2億人近い人々によって話されており、世界で10番目に話されている言語である。 本研究では,mT5モデルがインドネシア語にのみ適用され,インドネシア語のみに限定した訓練済みのT5モデルが得られた。 本モデルに基づく微調整モデルでは,SAでは77.18%,mT5モデルより8%高い精度を示し,QGおよびQAではmT5モデルとほぼ同じスコアを得た。
  論文  参考訳（メタデータ） (2023-02-02T03:56:16Z)
• Evaluating Byte and Wordpiece Level Models for Massively Multilingual Semantic Parsing [3.431659287330068]
  バイトレベル(ByT5)とワードピースベース(mT5)をMASSIVE多言語意味解析データセットの51言語におけるシーケンスモデルと比較する。 すべての言語からのゴールドデータに基づいてトレーニングされたモデルに対して、正確なマッチング精度のギャップを5ポイントに縮めることができます。
  論文  参考訳（メタデータ） (2022-12-14T13:48:32Z)
• Text Embeddings by Weakly-Supervised Contrastive Pre-training [98.31785569325402]
  E5は最先端のテキスト埋め込みのファミリーであり、幅広いタスクにうまく転送される。 E5は、テキストの単一ベクトル表現を必要とするタスクに対して、汎用的な埋め込みモデルとして簡単に使用できる。
  論文  参考訳（メタデータ） (2022-12-07T09:25:54Z)
• T5lephone: Bridging Speech and Text Self-supervised Models for Spoken Language Understanding via Phoneme level T5 [65.32642587901903]
  我々は、異なるトークン化戦略を持つPLMが音声言語理解タスクにどのように影響するかを広範囲に研究する。 我々は、音素化されたテキストを使って事前訓練されたT5の変種であるT5lephoneを作成するためのアイデアを拡張した。
  論文  参考訳（メタデータ） (2022-11-01T17:00:23Z)
• Evaluation of Transfer Learning for Polish with a Text-to-Text Model [54.81823151748415]
  ポーランド語におけるテキスト・テキスト・モデルの質を評価するための新しいベンチマークを導入する。 KLEJベンチマークはテキスト・トゥ・テキスト、en-pl翻訳、要約、質問応答に適応している。 本稿では,ポーランド語のための汎用テキスト・テキスト・ツー・テキスト・モデルであるplT5について述べる。
  論文  参考訳（メタデータ） (2022-05-18T09:17:14Z)
• Unifying Language Learning Paradigms [96.35981503087567]
  データセットやセットアップ全体にわたって普遍的に有効である事前学習モデルのための統一的なフレームワークを提案する。 本研究では, 事前学習対象を相互に配置し, 異なる対象間の補間を効果的に行う方法を示す。 また,テキスト内学習において,ゼロショットSuperGLUEで175B GPT-3,ワンショット要約でT5-XXLの性能を3倍に向上させた。
  論文  参考訳（メタデータ） (2022-05-10T19:32:20Z)
• Scale Efficiently: Insights from Pre-training and Fine-tuning Transformers [57.931830650323]
  本稿では,事前学習および微調整型変圧器によるスケーリングの洞察について述べる。 モデルのサイズだけでなく、モデル形状が下流の微調整に重要であることを示す。 再設計したモデルにより、下流の微調整品質が向上する。
  論文  参考訳（メタデータ） (2021-09-22T12:29:15Z)
• mT5: A massively multilingual pre-trained text-to-text transformer [60.0210636815514]
  The Text-to-Text Transfer Transformer (T5) は、統一されたテキスト・トゥ・テキストフォーマットとスケールを利用して、英語のNLPタスクで最先端の結果を得る。 101言語をカバーする新しいCommon Crawlベースのデータセットで事前トレーニングを行ったマルチ言語版T5であるmT5を紹介する。
  論文  参考訳（メタデータ） (2020-10-22T17:58:14Z)

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。