面向手语翻译的注意力引导视觉语言模型

英文标题：Attention-Steered Vision-Language Models for Sign Language Translation

该论文提出研究面向手语翻译的注意力引导视觉语言模型。作者指出，视觉语言模型（VLM）已成为多模态视频理解的重要框架，但在手语翻译任务上仍存在局限。论文识别出现有基于 VLM 的翻译器存在一个关键失效模式：对手语相关视觉信息的空间关注不足。该研究对开发者的意义在于，手语翻译模型需要更有针对性的视觉注意力机制，以提升对手势及相关上下文信息的理解能力。

2.6 KB 2.1 KB 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB