MoGloss:联合运动与伪释义预训练提升手语理解
热点事件持续更新
MoGloss:联合运动与伪释义预训练提升手语理解
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Rui Hong 和 Jana Ko\v{s}eck\'a 提出 MoGloss 方法,通过两阶段预训练联合优化运动编码器与大语言模型生成的伪 gloss。该方法在约 1,100 小时美国手语语料库上构建评估协议,并在多个数据集上取得了优于现有最先进方法的性能。
AI 根据报道生成 · 3 小时前更新
最新进展11月20日 13:00
MoGloss:面向美国手语理解的联合运动与伪 gloss 预训练报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv · 机器人与计算机视觉精选MoGloss:面向美国手语理解的联合运动与伪 gloss 预训练
该论文提出一种针对运动编码器的两阶段预训练新方法,先学习重建掩码后的运动数据,再联合预测由大语言模型生成的伪 gloss 单元和运动数据。作者整理了约 1,100 小时的美国手语语料库并定义了评估协议。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1011月20日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:00
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。