論文の概要: SignTrace: Describe a Sign, Find the Word
- arxiv url: http://arxiv.org/abs/2609.30295v1
- Date: Sun, 13 Sep 2026 14:44:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-05 14:48:16.131079
- Title: SignTrace: Describe a Sign, Find the Word
- Title（参考訳）: SignTrace: サインを記述し、単語を見つける
- Abstract要約: SignTraceは、中国語の手話辞書への自然言語アクセスを通じて、馴染みの無いサインを識別する。
システムは辞書の充実、行動抽出、辞書スタイルの書き換え、7チャンネルの検索、候補者の再任を統合している。
500の移動記述クエリの辞書によるベンチマークでは、94.0%のhit@1、97.4%のhit@9、平均逆ランク0.9540が得られる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Identifying an unfamiliar sign is difficult when a learner remembers its movement but does not know its meaning or formal feature codes. SignTrace addresses this longstanding reverse-lookup problem through natural-language access to a Chinese sign-language dictionary. The system integrates LLM-based dictionary enrichment, action extraction, dictionary-style rewriting, seven-channel retrieval, and candidate reranking over 6,699 entries. It has been deployed for user trials and has received positive informal feedback. Evaluation on a dictionary-derived benchmark of 500 movement-description queries yields 94.0% Hit@1, 97.4% Hit@9, and a mean reciprocal rank of 0.9540. Reranking increases Hit@1 from 71.8% to 94.0%, while component analyses show the contribution of enriched entry descriptions. Median query-processing time is 13.37 seconds with six concurrent queries. By connecting everyday movement descriptions to documented signs and meanings, SignTrace provides a practical tool for identifying unfamiliar signs. Dictionary-derived wording and prior selection within the benchmark limit generalization to descriptions independently produced by users.
- Abstract（参考訳）: 学習者がその動きを覚えるが、その意味や形式的な特徴符号を知らない場合、見慣れない記号を識別することは困難である。
SignTraceは、中国語の手話辞書への自然言語アクセスを通じて、この長年にわたるリバースルックアップ問題に対処する。
このシステムは、LLMベースの辞書の充実、行動抽出、辞書スタイルの書き換え、7チャンネルの検索、および6,699項目以上の候補の再ランクを統合している。
ユーザトライアルのためにデプロイされ、肯定的な非公式なフィードバックを受けています。
500の移動記述クエリの辞書によるベンチマークでは、94.0%のhit@1、97.4%のhit@9、平均逆ランク0.9540が得られる。
Re rankはHit@1を71.8%から94.0%に増加させ、コンポーネント分析は豊富なエントリ記述の寄与を示している。
メディアクエリ処理時間は6つの同時クエリで13.37秒である。
毎日の動きの記述を文書化された記号や意味に結びつけることで、SignTraceは馴染みの無い記号を識別する実用的なツールを提供する。
辞書由来の単語化とベンチマーク内での事前選択は、ユーザが独自に生成した記述への一般化に制限される。
関連論文リスト
- A Reverse Sign Language Dictionary: Open-Vocabulary Sign Recognition from Continuous Signing via Video Captioning and Description Retrieval [12.401695577371056]
孤立手話認識(ISLR)は、伝統的にグロスラベルよりもクローズセットの分類として用いられる。
1) 署名レベルのクリップを自由形式の手続き記述にキャプションすることで, 連続署名から抽出した記号を認識する。
また、多言語文エンコーダを用いて、ターゲット記述の語彙から最も近いエントリを検索する。
論文 参考訳（メタデータ） (2026-09-03T12:59:40Z) - SignMatch: Matching Dictionary Signs to Continuous Sign Language Video [61.094493488504845]
我々は,各学習可能なプロトタイプが手話クラスに対応する連続的なビデオから,手話の組込み空間を学習する。
分離された辞書ビデオは、このサインスペースにマッピングされ、辞書の例えと連続的なサインインスタンスのマッチングを可能にする。
論文 参考訳（メタデータ） (2026-09-01T21:33:33Z) - Fantastic Adaptive Taxonomies and How to Use Them [100.20614173157708]
AdaMASTは、実行トレースをコンパクトでエビデンスに基づく障害分類に変換する。
コードには手書きのコードはなく、人間による注釈もない。
エージェント・システム・サーチでは、失敗候補の分類コード診断が自由形式より優れている。
論文 参考訳（メタデータ） (2026-07-17T17:41:16Z) - Bootstrapping Sign Language Annotations with Sign Language Models [8.691348788683266]
AI駆動手話解釈は、高品質な注釈付きデータの欠如によって制限される。
新しいデータセットには、プロのインタプリタと100時間のデータが含まれているが、部分的に注釈付けされ、未使用のままである。
我々は、署名付きビデオと英語を入力として取り込んだ擬似アノテーションパイプラインを開発し、可能性のあるアノテーションのランキングを出力する。
論文 参考訳（メタデータ） (2026-04-08T21:26:57Z) - Unknown Word Detection for English as a Second Language (ESL) Learners Using Gaze and Pre-trained Language Models [24.607431783798425]
本稿では,テキストの内容と視線軌跡に基づいて未知語の確率を高精度に予測する,トランスフォーマーに基づく機械学習手法であるEyeLingoを提案する。
20名を対象にした調査では, 精度は97.6%, F1スコアは71.1%であった。
論文 参考訳（メタデータ） (2025-02-14T18:57:04Z) - Back-of-the-Book Index Automation for Arabic Documents [0.0]
書籍のバック・オブ・ザ・ブックのインデックスが与えられた場合、関連するページに対するインデックス項の正確な発生を確認し、識別することを目的としている。
正確な一致、語彙的類似性、意味的類似性など、いくつかの指標を使用して、最も適切な事象を決定する。
我々の手法はF1スコア.966(精度=.966,リコール=.966)を達成する。
論文 参考訳（メタデータ） (2024-10-14T08:38:29Z) - Stream State-tying for Sign Language Recognition [12.048165989937798]
手のジェスチャー信号は6つの同期データストリームで表現されていると仮定する。
5177の中国標識の実験が行われた。
論文 参考訳（メタデータ） (2024-04-21T23:21:52Z) - Summarization-Based Document IDs for Generative Retrieval with Language Models [65.11811787587403]
要約に基づく文書IDを導入し、各文書のIDは抽出的要約または抽象的キーフレーズから構成される。
以上の結果から,ACIDの使用はトップ10とトップ20のリコールをそれぞれ15.6%,14.4%(相対)改善することがわかった。
また, 抽出IDは, MSMARCOのスニペットではなく, ウィキペディア記事の抽象IDよりも優れていた。
論文 参考訳（メタデータ） (2023-11-14T23:28:36Z) - On the Importance of Signer Overlap for Sign Language Detection [65.26091369630547]
我々は,手話検出のための現在のベンチマークデータセットは,一般化が不十分な過度に肯定的な結果であると主張している。
我々は、現在の符号検出ベンチマークデータセットに対するシグナ重なりの影響を詳細に分析することでこれを定量化する。
我々は、重複のない新しいデータセット分割を提案し、より現実的なパフォーマンス評価を可能にします。
論文 参考訳（メタデータ） (2023-03-19T22:15:05Z) - Disambiguation of Company names via Deep Recurrent Networks [101.90357454833845]
企業名文字列の埋め込みである教師付き学習を通じて,Siamese LSTM Network を抽出する手法を提案する。
私たちは、ラベル付けされるサンプルを優先するActive Learningアプローチが、より効率的な全体的な学習パイプラインをもたらす方法を分析します。
論文 参考訳（メタデータ） (2023-03-07T15:07:57Z)
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。