论文的核心内容与创新点解析
任务背景与挑战
-
典型手语识别(Isolated Sign Language Recognition,ISLR)通常数据采集多为正视角(frontal view)。然而在现实场景中,摄像机视角会变化,可能是侧视、俯视、斜视等。这就形成了**跨视角识别(cross-view recognition)**的挑战:模型要认出同样一个手语动作在不同视角下的变化。
-
不同视角下,手部、肢体、遮挡、背景变化更大,且有视角转化带来的视觉几何畸变。传统模型在视角外推性上容易失败。



方法概述与创新点
论文提出一种基于 集成学习(ensemble learning) 的策略来提升跨视角手语识别的鲁棒性。其核心思路与关键创新如下:
订阅专栏 解锁全文
326




被折叠的 条评论
为什么被折叠?



