手話認識

手話認識（一般的にSLRと略される）は、手話の動作を認識する計算タスクです。^[1]これは、特にデジタルの世界では、聴覚障害者が直面するコミュニケーションギャップを埋めるために解決しなければならない重要な問題です。

問題を解決するには通常、注釈付きのカラー (RGB) データだけでなく、深度、感覚情報などのさまざまな他のモダリティも役立ちます。

孤立した手話認識

ISLR (単語レベル SLR とも呼ばれる) は、手話ビデオクリップの特定のセグメントから、グロスと呼ばれる個々の手話またはトークンを認識するタスクです。これは、独立したビデオから認識する場合の分類問題としてよく見られますが、リアルタイムアプリケーションに使用する場合は、ビデオのセグメンテーションなどの他の処理が必要になります。

継続的な手話認識

CSLR (手話の文字起こしとも呼ばれる) では、手話のシーケンスが与えられた場合、ビデオ内のすべての手話 (または注釈) を予測することがタスクです。これは、手話の実際の文字起こしに適しています。解決方法によっては、ISLR タスクの拡張として見られる場合もあります。

継続的な手話翻訳

手話翻訳とは、一連の手話（グロスと呼ばれる）を必要な音声言語に翻訳する問題を指します。これは通常、CSLR 問題の拡張としてモデル化されます。

参考文献

^クーパー、ヘレン; ホルト、ブライアン; ボウデン、リチャード ( 2011 )。「手話認識」。人間の視覚分析。シュプリンガー。pp. 539–562。doi :10.1007 / 978-0-85729-997-0_27。ISBN 978-0-85729-996-3. S2CID 1297591。 {{cite book}}:|journal=無視されました (ヘルプ)

[1] ^クーパー、ヘレン; ホルト、ブライアン; ボウデン、リチャード ( 2011 )。「手話認識」。人間の視覚分析。シュプリンガー。pp. 539–562。doi :10.1007 / 978-0-85729-997-0_27。ISBN 978-0-85729-996-3. S2CID 1297591。 {{cite book}}:|journal=無視されました (ヘルプ)