摘要
本研究的目标是高效提取连续手语识别（Continuous Sign Language Recognition, CSLR）中的空间特征与动态特征。为此，我们采用了一种双路径慢-快网络（two-pathway SlowFast network），其中两条路径以不同的时间分辨率运行，分别用于捕捉空间信息（如手部姿态、面部表情）和动态信息（如动作轨迹）。此外，我们提出了两种专为CSLR特性量身定制的特征融合方法：（1）双向特征融合（Bi-directional Feature Fusion, BFF），能够实现动态语义与空间语义之间的双向传递；（2）路径特征增强（Pathway Feature Enhancement, PFE），通过辅助子网络丰富动态与空间表征，同时避免引入额外的推理开销。由此，我们的模型在并行过程中进一步强化了空间与动态特征的表达能力。实验结果表明，所提出的框架在多个主流CSLR数据集（包括PHOENIX14、PHOENIX14-T和CSL-Daily）上均超越了当前最先进的性能水平。